Partager via

ImageModelDistributionSettingsClassification interface

Paquet:
@azure/arm-machinelearning

Expressions de distribution pour balayer les valeurs des paramètres du modèle. <exemple> Quelques exemples sont :

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

Propriétés

trainingCropSize

Taille de rognage d’image qui est entrée dans le réseau neuronal pour le jeu de données d’entraînement. Doit être un entier positif.
validationCropSize

Taille de rognage d’image entrée dans le réseau neuronal pour le jeu de données de validation. Doit être un entier positif.
validationResizeSize

Taille de l’image à laquelle redimensionner avant de rogner pour le jeu de données de validation. Doit être un entier positif.
weightedLoss

Perte pondérée. Les valeurs acceptées sont 0 pour aucune perte pondérée. 1 pour la perte pondérée avec sqrt. (class_weights). 2 pour la perte pondérée avec class_weights. Doit être 0 ou 1 ou 2.

Propriétés héritées

amsGradient

Activez AMSGrad lorsque l’optimiseur est « adam » ou « adamw ».
augmentations

Paramètres d’utilisation des augmentations.
beta1

Valeur de « beta1 » lorsque l’optimiseur est « adam » ou « adamw ». Doit être un float dans la plage [0, 1].
beta2

Valeur de « beta2 » lorsque l’optimiseur est « adam » ou « adamw ». Doit être un float dans la plage [0, 1].
distributed

Indique s’il faut utiliser la formation du répartiteur.
earlyStopping

Activez la logique d’arrêt précoce pendant l’entraînement.
earlyStoppingDelay

Nombre minimal d’époques ou d’évaluations de validation à attendre avant que l’amélioration de la métrique principale soit suivie pour l’arrêt anticipé. Doit être un entier positif.
earlyStoppingPatience

Nombre minimal d’époques ou d’évaluations de validation sans amélioration des métriques principales avant l’arrêt de l’exécution. Doit être un entier positif.
enableOnnxNormalization

Activez la normalisation lors de l’exportation du modèle ONNX.
evaluationFrequency

Fréquence d’évaluation du jeu de données de validation pour obtenir des scores de métriques. Doit être un entier positif.
gradientAccumulationStep

L’accumulation de dégradés signifie exécuter un nombre configuré d’étapes « GradAccumulationStep » sans mettre à jour les pondérations du modèle tout en cumulant les dégradés de ces étapes, puis en utilisant les dégradés cumulés pour calculer les mises à jour de poids. Doit être un entier positif.
layersToFreeze

Nombre de couches à figer pour le modèle. Doit être un entier positif. Par exemple, passer 2 comme valeur pour « seresnext » signifie geler la couche0 et la couche1. Pour obtenir la liste complète des modèles pris en charge et des détails sur le gel de couche, consultez : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate

Taux d’apprentissage initial. Doit être un float dans la plage [0, 1].
learningRateScheduler

Type de planificateur de taux d’apprentissage. Doit être « warmup_cosine » ou « étape ».
modelName

Nom du modèle à utiliser pour l’entraînement. Pour plus d’informations sur les modèles disponibles, consultez la documentation officielle : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum

Valeur de l’élan lorsque l’optimiseur est « sgd ». Doit être un float dans la plage [0, 1].
nesterov

Activez nesterov lorsque l’optimiseur est « sgd ».
numberOfEpochs

Nombre d’époques d’entraînement. Doit être un entier positif.
numberOfWorkers

Nombre de travailleurs du chargeur de données. Doit être un entier non négatif.
optimizer

Type d’optimiseur. Doit être « sgd », « adam » ou « adamw ».
randomSeed

Valeur initiale aléatoire à utiliser lors de l’utilisation de l’entraînement déterministe.
stepLRGamma

Valeur gamma lorsque le planificateur de taux d’apprentissage est « étape ». Doit être un float dans la plage [0, 1].
stepLRStepSize

Valeur de la taille de l’étape lorsque le planificateur de taux d’apprentissage est « étape ». Doit être un entier positif.
trainingBatchSize

Taille du lot d’entraînement. Doit être un entier positif.
validationBatchSize

Taille du lot de validation. Doit être un entier positif.
warmupCosineLRCycles

Valeur du cycle de cosinus lorsque le planificateur de taux d’apprentissage est « warmup_cosine ». Doit être un float dans la plage [0, 1].
warmupCosineLRWarmupEpochs

Valeur des époques de préchauffement lorsque le planificateur de taux d’apprentissage est « warmup_cosine ». Doit être un entier positif.
weightDecay

Valeur de la dégradation du poids lorsque l’optimiseur est « sgd », « adam » ou « adamw ». Doit être un float dans la plage[0, 1].

Détails de la propriété

trainingCropSize

Taille de rognage d’image qui est entrée dans le réseau neuronal pour le jeu de données d’entraînement. Doit être un entier positif.

trainingCropSize?: string

Valeur de propriété

string

validationCropSize

Taille de rognage d’image entrée dans le réseau neuronal pour le jeu de données de validation. Doit être un entier positif.

validationCropSize?: string

Valeur de propriété

string

validationResizeSize

Taille de l’image à laquelle redimensionner avant de rogner pour le jeu de données de validation. Doit être un entier positif.

validationResizeSize?: string

Valeur de propriété

string

weightedLoss

Perte pondérée. Les valeurs acceptées sont 0 pour aucune perte pondérée. 1 pour la perte pondérée avec sqrt. (class_weights). 2 pour la perte pondérée avec class_weights. Doit être 0 ou 1 ou 2.

weightedLoss?: string

Valeur de propriété

string

Détails de la propriété héritée

amsGradient

Activez AMSGrad lorsque l’optimiseur est « adam » ou « adamw ».

amsGradient?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.amsGradient

augmentations

Paramètres d’utilisation des augmentations.

augmentations?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.augmentations

beta1

Valeur de « beta1 » lorsque l’optimiseur est « adam » ou « adamw ». Doit être un float dans la plage [0, 1].

beta1?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.beta1

beta2

Valeur de « beta2 » lorsque l’optimiseur est « adam » ou « adamw ». Doit être un float dans la plage [0, 1].

beta2?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.beta2

distributed

Indique s’il faut utiliser la formation du répartiteur.

distributed?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.distributed

earlyStopping

Activez la logique d’arrêt précoce pendant l’entraînement.

earlyStopping?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.earlyStopping

earlyStoppingDelay

Nombre minimal d’époques ou d’évaluations de validation à attendre avant que l’amélioration de la métrique principale soit suivie pour l’arrêt anticipé. Doit être un entier positif.

earlyStoppingDelay?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.earlyStoppingDelay

earlyStoppingPatience

Nombre minimal d’époques ou d’évaluations de validation sans amélioration des métriques principales avant l’arrêt de l’exécution. Doit être un entier positif.

earlyStoppingPatience?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.earlyStoppingPatience

enableOnnxNormalization

Activez la normalisation lors de l’exportation du modèle ONNX.

enableOnnxNormalization?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.enableOnnxNormalization

evaluationFrequency

Fréquence d’évaluation du jeu de données de validation pour obtenir des scores de métriques. Doit être un entier positif.

evaluationFrequency?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.evaluationFrequency

gradientAccumulationStep

L’accumulation de dégradés signifie exécuter un nombre configuré d’étapes « GradAccumulationStep » sans mettre à jour les pondérations du modèle tout en cumulant les dégradés de ces étapes, puis en utilisant les dégradés cumulés pour calculer les mises à jour de poids. Doit être un entier positif.

gradientAccumulationStep?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.gradientAccumulationStep

layersToFreeze

Nombre de couches à figer pour le modèle. Doit être un entier positif. Par exemple, passer 2 comme valeur pour « seresnext » signifie geler la couche0 et la couche1. Pour obtenir la liste complète des modèles pris en charge et des détails sur le gel de couche, consultez : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.layersToFreeze

learningRate

Taux d’apprentissage initial. Doit être un float dans la plage [0, 1].

learningRate?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.learningRate

learningRateScheduler

Type de planificateur de taux d’apprentissage. Doit être « warmup_cosine » ou « étape ».

learningRateScheduler?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.learningRateScheduler

modelName

Nom du modèle à utiliser pour l’entraînement. Pour plus d’informations sur les modèles disponibles, consultez la documentation officielle : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.modelName

momentum

Valeur de l’élan lorsque l’optimiseur est « sgd ». Doit être un float dans la plage [0, 1].

momentum?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.momentum

nesterov

Activez nesterov lorsque l’optimiseur est « sgd ».

nesterov?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.nesterov

numberOfEpochs

Nombre d’époques d’entraînement. Doit être un entier positif.

numberOfEpochs?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.numberOfEpochs

numberOfWorkers

Nombre de travailleurs du chargeur de données. Doit être un entier non négatif.

numberOfWorkers?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.numberOfWorkers

optimizer

Type d’optimiseur. Doit être « sgd », « adam » ou « adamw ».

optimizer?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.optimizer

randomSeed

Valeur initiale aléatoire à utiliser lors de l’utilisation de l’entraînement déterministe.

randomSeed?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.randomSeed

stepLRGamma

Valeur gamma lorsque le planificateur de taux d’apprentissage est « étape ». Doit être un float dans la plage [0, 1].

stepLRGamma?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.stepLRGamma

stepLRStepSize

Valeur de la taille de l’étape lorsque le planificateur de taux d’apprentissage est « étape ». Doit être un entier positif.

stepLRStepSize?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.stepLRStepSize

trainingBatchSize

Taille du lot d’entraînement. Doit être un entier positif.

trainingBatchSize?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.trainingBatchSize

validationBatchSize

Taille du lot de validation. Doit être un entier positif.

validationBatchSize?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.validationBatchSize

warmupCosineLRCycles

Valeur du cycle de cosinus lorsque le planificateur de taux d’apprentissage est « warmup_cosine ». Doit être un float dans la plage [0, 1].

warmupCosineLRCycles?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Valeur des époques de préchauffement lorsque le planificateur de taux d’apprentissage est « warmup_cosine ». Doit être un entier positif.

warmupCosineLRWarmupEpochs?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.warmupCosineLRWarmupEpochs

weightDecay

Valeur de la dégradation du poids lorsque l’optimiseur est « sgd », « adam » ou « adamw ». Doit être un float dans la plage[0, 1].

weightDecay?: string

Valeur de propriété

string

héritée deImageModelDistributionSettings.weightDecay