Bagikan melalui

ImageModelDistributionSettingsClassification interface

Paket:
@azure/arm-machinelearning

Ekspresi distribusi untuk menyapu nilai pengaturan model. <contoh> Beberapa contohnya adalah:

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.
Memperluas
ImageModelDistributionSettings

Properti

trainingCropSize

Ukuran pemangkasan gambar yang dimasukkan ke jaringan neural untuk himpunan data pelatihan. Harus bilangan bulat positif.
validationCropSize

Ukuran pemangkasan gambar yang dimasukkan ke jaringan neural untuk himpunan data validasi. Harus bilangan bulat positif.
validationResizeSize

Ukuran gambar untuk mengubah ukuran sebelum pemotongan untuk himpunan data validasi. Harus bilangan bulat positif.
weightedLoss

Penurunan tertimbang. Nilai yang diterima adalah 0 untuk tidak ada penurunan tertimbang. 1 untuk penurunan tertimbang dengan sqrt. (class_weights). 2 untuk penurunan berat badan dengan class_weights. Harus 0 atau 1 atau 2.

Properti yang Diwariskan

amsGradient

Aktifkan AMSGrad saat pengoptimal adalah 'adam' atau 'adamw'.
augmentations

Pengaturan untuk menggunakan Augmentasi.
beta1

Nilai 'beta1' ketika pengoptimal adalah 'adam' atau 'adamw'. Harus berupa float dalam rentang [0, 1].
beta2

Nilai 'beta2' ketika pengoptimal adalah 'adam' atau 'adamw'. Harus berupa float dalam rentang [0, 1].
distributed

Apakah akan menggunakan pelatihan distribusi.
earlyStopping

Aktifkan logika penghentian awal selama pelatihan.
earlyStoppingDelay

Jumlah minimum epoch atau evaluasi validasi untuk menunggu sebelum peningkatan metrik utama dilacak untuk penghentian awal. Harus bilangan bulat positif.
earlyStoppingPatience

Jumlah minimum epoch atau evaluasi validasi tanpa peningkatan metrik utama sebelum eksekusi dihentikan. Harus bilangan bulat positif.
enableOnnxNormalization

Aktifkan normalisasi saat mengekspor model ONNX.
evaluationFrequency

Frekuensi untuk mengevaluasi himpunan data validasi untuk mendapatkan skor metrik. Harus bilangan bulat positif.
gradientAccumulationStep

Akumulasi gradien berarti menjalankan sejumlah langkah "GradAccumulationStep" yang dikonfigurasi tanpa memperbarui bobot model sambil mengumpulkan gradien langkah-langkah tersebut, lalu menggunakan gradien akumulasi untuk menghitung pembaruan bobot. Harus bilangan bulat positif.
layersToFreeze

Jumlah lapisan yang akan dibekukan untuk model. Harus bilangan bulat positif. Misalnya, meneruskan 2 sebagai nilai untuk 'seresnext' berarti membekukan layer0 dan layer1. Untuk daftar lengkap model yang didukung dan detail tentang pembekuan lapisan, silakan lihat: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate

Tingkat pembelajaran awal. Harus berupa float dalam rentang [0, 1].
learningRateScheduler

Jenis penjadwal tingkat pembelajaran. Harus 'warmup_cosine' atau 'langkah'.
modelName

Nama model yang akan digunakan untuk pelatihan. Untuk informasi lebih lanjut tentang model yang tersedia, silakan kunjungi dokumentasi resmi: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum

Nilai momentum saat pengoptimal adalah 'sgd'. Harus berupa float dalam rentang [0, 1].
nesterov

Aktifkan nesterov saat pengoptimal adalah 'sgd'.
numberOfEpochs

Jumlah epoch pelatihan. Harus bilangan bulat positif.
numberOfWorkers

Jumlah pekerja pemuat data. Harus bilangan bulat non-negatif.
optimizer

Jenis pengoptimal. Harus berupa 'sgd', 'adam', atau 'adamw'.
randomSeed

Benih acak yang akan digunakan saat menggunakan pelatihan deterministik.
stepLRGamma

Nilai gamma ketika penjadwal tingkat pembelajaran adalah 'langkah'. Harus berupa float dalam rentang [0, 1].
stepLRStepSize

Nilai ukuran langkah saat penjadwal tingkat pembelajaran adalah 'langkah'. Harus bilangan bulat positif.
trainingBatchSize

Ukuran batch pelatihan. Harus bilangan bulat positif.
validationBatchSize

Ukuran batch validasi. Harus bilangan bulat positif.
warmupCosineLRCycles

Nilai siklus kosinus saat penjadwal tingkat pembelajaran adalah 'warmup_cosine'. Harus berupa float dalam rentang [0, 1].
warmupCosineLRWarmupEpochs

Nilai epoch pemanasan ketika penjadwal tingkat pembelajaran adalah 'warmup_cosine'. Harus bilangan bulat positif.
weightDecay

Nilai pembbusukan berat saat pengoptimal adalah 'sgd', 'adam', atau 'adamw'. Harus berupa float dalam kisaran[0, 1].

Detail Properti

trainingCropSize

Ukuran pemangkasan gambar yang dimasukkan ke jaringan neural untuk himpunan data pelatihan. Harus bilangan bulat positif.

trainingCropSize?: string

Nilai Properti

string

validationCropSize

Ukuran pemangkasan gambar yang dimasukkan ke jaringan neural untuk himpunan data validasi. Harus bilangan bulat positif.

validationCropSize?: string

Nilai Properti

string

validationResizeSize

Ukuran gambar untuk mengubah ukuran sebelum pemotongan untuk himpunan data validasi. Harus bilangan bulat positif.

validationResizeSize?: string

Nilai Properti

string

weightedLoss

Penurunan tertimbang. Nilai yang diterima adalah 0 untuk tidak ada penurunan tertimbang. 1 untuk penurunan tertimbang dengan sqrt. (class_weights). 2 untuk penurunan berat badan dengan class_weights. Harus 0 atau 1 atau 2.

weightedLoss?: string

Nilai Properti

string

Detail Properti yang Diwariskan

amsGradient

Aktifkan AMSGrad saat pengoptimal adalah 'adam' atau 'adamw'.

amsGradient?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.amsGradient

augmentations

Pengaturan untuk menggunakan Augmentasi.

augmentations?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.augmentations

beta1

Nilai 'beta1' ketika pengoptimal adalah 'adam' atau 'adamw'. Harus berupa float dalam rentang [0, 1].

beta1?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.beta1

beta2

Nilai 'beta2' ketika pengoptimal adalah 'adam' atau 'adamw'. Harus berupa float dalam rentang [0, 1].

beta2?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.beta2

distributed

Apakah akan menggunakan pelatihan distribusi.

distributed?: string

Nilai Properti

string

Diwariskan DariImageModelDistributionSettings.distributed

earlyStopping

Aktifkan logika penghentian awal selama pelatihan.

earlyStopping?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.earlyStopping

earlyStoppingDelay

Jumlah minimum epoch atau evaluasi validasi untuk menunggu sebelum peningkatan metrik utama dilacak untuk penghentian awal. Harus bilangan bulat positif.

earlyStoppingDelay?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.earlyStoppingDelay

earlyStoppingPatience

Jumlah minimum epoch atau evaluasi validasi tanpa peningkatan metrik utama sebelum eksekusi dihentikan. Harus bilangan bulat positif.

earlyStoppingPatience?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.earlyStoppingPatience

enableOnnxNormalization

Aktifkan normalisasi saat mengekspor model ONNX.

enableOnnxNormalization?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.enableOnnxNormalization

evaluationFrequency

Frekuensi untuk mengevaluasi himpunan data validasi untuk mendapatkan skor metrik. Harus bilangan bulat positif.

evaluationFrequency?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.evaluationFrequency

gradientAccumulationStep

Akumulasi gradien berarti menjalankan sejumlah langkah "GradAccumulationStep" yang dikonfigurasi tanpa memperbarui bobot model sambil mengumpulkan gradien langkah-langkah tersebut, lalu menggunakan gradien akumulasi untuk menghitung pembaruan bobot. Harus bilangan bulat positif.

gradientAccumulationStep?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.gradientAccumulationStep

layersToFreeze

Jumlah lapisan yang akan dibekukan untuk model. Harus bilangan bulat positif. Misalnya, meneruskan 2 sebagai nilai untuk 'seresnext' berarti membekukan layer0 dan layer1. Untuk daftar lengkap model yang didukung dan detail tentang pembekuan lapisan, silakan lihat: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.layersToFreeze

learningRate

Tingkat pembelajaran awal. Harus berupa float dalam rentang [0, 1].

learningRate?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.learningRate

learningRateScheduler

Jenis penjadwal tingkat pembelajaran. Harus 'warmup_cosine' atau 'langkah'.

learningRateScheduler?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.learningRateScheduler

modelName

Nama model yang akan digunakan untuk pelatihan. Untuk informasi lebih lanjut tentang model yang tersedia, silakan kunjungi dokumentasi resmi: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.modelName

momentum

Nilai momentum saat pengoptimal adalah 'sgd'. Harus berupa float dalam rentang [0, 1].

momentum?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.momentum

nesterov

Aktifkan nesterov saat pengoptimal adalah 'sgd'.

nesterov?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.nesterov

numberOfEpochs

Jumlah epoch pelatihan. Harus bilangan bulat positif.

numberOfEpochs?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.numberOfEpochs

numberOfWorkers

Jumlah pekerja pemuat data. Harus bilangan bulat non-negatif.

numberOfWorkers?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.numberOfWorkers

optimizer

Jenis pengoptimal. Harus berupa 'sgd', 'adam', atau 'adamw'.

optimizer?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.optimizer

randomSeed

Benih acak yang akan digunakan saat menggunakan pelatihan deterministik.

randomSeed?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.randomSeed

stepLRGamma

Nilai gamma ketika penjadwal tingkat pembelajaran adalah 'langkah'. Harus berupa float dalam rentang [0, 1].

stepLRGamma?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.stepLRGamma

stepLRStepSize

Nilai ukuran langkah saat penjadwal tingkat pembelajaran adalah 'langkah'. Harus bilangan bulat positif.

stepLRStepSize?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.stepLRStepSize

trainingBatchSize

Ukuran batch pelatihan. Harus bilangan bulat positif.

trainingBatchSize?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.trainingBatchSize

validationBatchSize

Ukuran batch validasi. Harus bilangan bulat positif.

validationBatchSize?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.validationBatchSize

warmupCosineLRCycles

Nilai siklus kosinus saat penjadwal tingkat pembelajaran adalah 'warmup_cosine'. Harus berupa float dalam rentang [0, 1].

warmupCosineLRCycles?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Nilai epoch pemanasan ketika penjadwal tingkat pembelajaran adalah 'warmup_cosine'. Harus bilangan bulat positif.

warmupCosineLRWarmupEpochs?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.warmupCosineLRWarmupEpochs

weightDecay

Nilai pembbusukan berat saat pengoptimal adalah 'sgd', 'adam', atau 'adamw'. Harus berupa float dalam kisaran[0, 1].

weightDecay?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.weightDecay