ImageModelSettings interface

Csomag:

@azure/arm-machinelearning

A modell betanításához használt beállítások. Az elérhető beállításokkal kapcsolatos további információkért látogasson el a hivatalos dokumentációba: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Tulajdonságok

advancedSettings	Speciális forgatókönyvek beállításai.
amsGradient	Engedélyezze az AMSGradt, ha az optimalizáló "adam" vagy "adamw".
augmentations	A Kiegészítések használatának beállításai.
beta1	A "béta1" értéke, ha az optimalizáló "adam" vagy "adamw". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.
beta2	A "béta2" értéke, ha az optimalizáló "adam" vagy "adamw". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.
checkpointFrequency	A modell ellenőrzőpontjainak tárolási gyakorisága. Pozitív egész számnak kell lennie.
checkpointModel	Az előre betanított ellenőrzőpont-modell növekményes betanításhoz.
checkpointRunId	Egy korábbi futtatás azonosítója, amely előre betanított ellenőrzőponttal rendelkezik a növekményes betanításhoz.
distributed	Elosztott betanítás használata.
earlyStopping	A korai leállítási logika engedélyezése a betanítás során.
earlyStoppingDelay	Az elsődleges metrikajavítás nyomon követése előtt a korai leállításhoz szükséges minimális időértékek vagy érvényesítési értékelések száma. Pozitív egész számnak kell lennie.
earlyStoppingPatience	A futtatás leállítása előtt az elsődleges metrikajavítás nélküli alapidőszakok vagy érvényesítési értékelések minimális száma. Pozitív egész számnak kell lennie.
enableOnnxNormalization	Engedélyezze a normalizálást az ONNX-modell exportálása során.
evaluationFrequency	Az érvényesítési adatkészlet kiértékelésének gyakorisága a metrika pontszámainak lekéréséhez. Pozitív egész számnak kell lennie.
gradientAccumulationStep	A színátmenet-felhalmozás azt jelenti, hogy konfigurált számú "GradAccumulationStep" lépést futtat a modell súlyainak frissítése nélkül, miközben a lépések színátmeneteit gyűjti össze, majd a halmozott színátmenetekkel kiszámítja a súlyfrissítéseket. Pozitív egész számnak kell lennie.
layersToFreeze	A modellhez rögzíteni kívánt rétegek száma. Pozitív egész számnak kell lennie. Ha például a 2 értéket a "seresnext" értékeként adja át, az a 0. és az 1. réteg fagyasztását jelenti. A támogatott modellek teljes listáját és a rétegbefagyasztás részleteit a következő cikkben találja: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	Kezdeti tanulási arány. Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.
learningRateScheduler	A tanulási sebességütemező típusa. "warmup_cosine" vagy "lépés" lehet.
modelName	A betanításhoz használandó modell neve. Az elérhető modellekről további információt a hivatalos dokumentációban talál: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	A lendület értéke, ha az optimalizáló "sgd". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.
nesterov	Engedélyezze a nesterovot, ha az optimalizáló "sgd" állapotú.
numberOfEpochs	A betanítási korszakok száma. Pozitív egész számnak kell lennie.
numberOfWorkers	Az adatbetöltő feldolgozóinak száma. Nem negatív egész számnak kell lennie.
optimizer	Az optimalizáló típusa.
randomSeed	Determinisztikus betanítás használatakor használandó véletlenszerű vetőmag.
stepLRGamma	A gamma értéke, ha a tanulási sebességütemező a "lépés". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.
stepLRStepSize	A lépésméret értéke, ha a tanulási sebességütemező "lépés". Pozitív egész számnak kell lennie.
trainingBatchSize	Betanítási köteg mérete. Pozitív egész számnak kell lennie.
validationBatchSize	Érvényesítési köteg mérete. Pozitív egész számnak kell lennie.
warmupCosineLRCycles	A koszinuszciklus értéke, ha a tanulási sebességütemező "warmup_cosine". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.
warmupCosineLRWarmupEpochs	A bemelegítési időszak értéke, ha a tanulási sebességütemező "warmup_cosine". Pozitív egész számnak kell lennie.
weightDecay	A súlycsökkenés értéke, ha az optimalizáló "sgd", "adam" vagy "adamw". Lebegtetésnek kell lennie a tartományban[0, 1].

Tulajdonság adatai

advancedSettings

Speciális forgatókönyvek beállításai.

advancedSettings?: string

Tulajdonság értéke

string

amsGradient

Engedélyezze az AMSGradt, ha az optimalizáló "adam" vagy "adamw".

amsGradient?: boolean

Tulajdonság értéke

boolean

augmentations

A Kiegészítések használatának beállításai.

augmentations?: string

Tulajdonság értéke

string

beta1

A "béta1" értéke, ha az optimalizáló "adam" vagy "adamw". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.

beta1?: number

Tulajdonság értéke

number

beta2

A "béta2" értéke, ha az optimalizáló "adam" vagy "adamw". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.

beta2?: number

Tulajdonság értéke

number

checkpointFrequency

A modell ellenőrzőpontjainak tárolási gyakorisága. Pozitív egész számnak kell lennie.

checkpointFrequency?: number

Tulajdonság értéke

number

checkpointModel

Az előre betanított ellenőrzőpont-modell növekményes betanításhoz.

checkpointModel?: MLFlowModelJobInput

Tulajdonság értéke

MLFlowModelJobInput

checkpointRunId

Egy korábbi futtatás azonosítója, amely előre betanított ellenőrzőponttal rendelkezik a növekményes betanításhoz.

checkpointRunId?: string

Tulajdonság értéke

string

distributed

Elosztott betanítás használata.

distributed?: boolean

Tulajdonság értéke

boolean

earlyStopping

A korai leállítási logika engedélyezése a betanítás során.

earlyStopping?: boolean

Tulajdonság értéke

boolean

earlyStoppingDelay

Az elsődleges metrikajavítás nyomon követése előtt a korai leállításhoz szükséges minimális időértékek vagy érvényesítési értékelések száma. Pozitív egész számnak kell lennie.

earlyStoppingDelay?: number

Tulajdonság értéke

number

earlyStoppingPatience

A futtatás leállítása előtt az elsődleges metrikajavítás nélküli alapidőszakok vagy érvényesítési értékelések minimális száma. Pozitív egész számnak kell lennie.

earlyStoppingPatience?: number

Tulajdonság értéke

number

enableOnnxNormalization

Engedélyezze a normalizálást az ONNX-modell exportálása során.

enableOnnxNormalization?: boolean

Tulajdonság értéke

boolean

evaluationFrequency

Az érvényesítési adatkészlet kiértékelésének gyakorisága a metrika pontszámainak lekéréséhez. Pozitív egész számnak kell lennie.

evaluationFrequency?: number

Tulajdonság értéke

number

gradientAccumulationStep

A színátmenet-felhalmozás azt jelenti, hogy konfigurált számú "GradAccumulationStep" lépést futtat a modell súlyainak frissítése nélkül, miközben a lépések színátmeneteit gyűjti össze, majd a halmozott színátmenetekkel kiszámítja a súlyfrissítéseket. Pozitív egész számnak kell lennie.

gradientAccumulationStep?: number

Tulajdonság értéke

number

layersToFreeze

A modellhez rögzíteni kívánt rétegek száma. Pozitív egész számnak kell lennie. Ha például a 2 értéket a "seresnext" értékeként adja át, az a 0. és az 1. réteg fagyasztását jelenti. A támogatott modellek teljes listáját és a rétegbefagyasztás részleteit a következő cikkben találja: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: number

Tulajdonság értéke

number

learningRate

Kezdeti tanulási arány. Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.

learningRate?: number

Tulajdonság értéke

number

learningRateScheduler

A tanulási sebességütemező típusa. "warmup_cosine" vagy "lépés" lehet.

learningRateScheduler?: string

Tulajdonság értéke

string

modelName

A betanításhoz használandó modell neve. Az elérhető modellekről további információt a hivatalos dokumentációban talál: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Tulajdonság értéke

string

momentum

A lendület értéke, ha az optimalizáló "sgd". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.

momentum?: number

Tulajdonság értéke

number

nesterov

Engedélyezze a nesterovot, ha az optimalizáló "sgd" állapotú.

nesterov?: boolean

Tulajdonság értéke

boolean

numberOfEpochs

A betanítási korszakok száma. Pozitív egész számnak kell lennie.

numberOfEpochs?: number

Tulajdonság értéke

number

numberOfWorkers

Az adatbetöltő feldolgozóinak száma. Nem negatív egész számnak kell lennie.

numberOfWorkers?: number

Tulajdonság értéke

number

optimizer

Az optimalizáló típusa.

optimizer?: string

Tulajdonság értéke

string

randomSeed

Determinisztikus betanítás használatakor használandó véletlenszerű vetőmag.

randomSeed?: number

Tulajdonság értéke

number

stepLRGamma

A gamma értéke, ha a tanulási sebességütemező a "lépés". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.

stepLRGamma?: number

Tulajdonság értéke

number

stepLRStepSize

A lépésméret értéke, ha a tanulási sebességütemező "lépés". Pozitív egész számnak kell lennie.

stepLRStepSize?: number

Tulajdonság értéke

number

trainingBatchSize

Betanítási köteg mérete. Pozitív egész számnak kell lennie.

trainingBatchSize?: number

Tulajdonság értéke

number

validationBatchSize

Érvényesítési köteg mérete. Pozitív egész számnak kell lennie.

validationBatchSize?: number

Tulajdonság értéke

number

warmupCosineLRCycles

A koszinuszciklus értéke, ha a tanulási sebességütemező "warmup_cosine". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.

warmupCosineLRCycles?: number

Tulajdonság értéke

number

warmupCosineLRWarmupEpochs

A bemelegítési időszak értéke, ha a tanulási sebességütemező "warmup_cosine". Pozitív egész számnak kell lennie.

warmupCosineLRWarmupEpochs?: number

Tulajdonság értéke

number

weightDecay

A súlycsökkenés értéke, ha az optimalizáló "sgd", "adam" vagy "adamw". Lebegtetésnek kell lennie a tartományban[0, 1].

weightDecay?: number

Tulajdonság értéke

number