ImageModelSettingsClassification interface

Pacchetto:

@azure/arm-machinelearning

Impostazioni usate per il training del modello. Per altre informazioni sulle impostazioni disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Extends

ImageModelSettings

Proprietà

trainingCropSize	Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di training. Deve essere un numero intero positivo.
validationCropSize	Dimensione ritaglio immagine che viene immessa nella rete neurale per il set di dati di convalida. Deve essere un numero intero positivo.
validationResizeSize	Dimensioni dell'immagine in cui ridimensionare prima del ritaglio per il set di dati di convalida. Deve essere un numero intero positivo.
weightedLoss	Perdita ponderata. I valori accettati sono 0 per nessuna perdita ponderata. 1 per perdita ponderata con sqrt. (class_weights). 2 per perdita ponderata con class_weights. Deve essere 0 o 1 o 2.

Proprietà ereditate

advancedSettings	Impostazioni per scenari avanzati.
amsGradient	Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'.
augmentations	Impostazioni per l'uso di Augmentations.
beta1	Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1].
beta2	Valore di 'beta2' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1].
checkpointFrequency	Frequenza per archiviare i checkpoint del modello. Deve essere un numero intero positivo.
checkpointModel	Modello di checkpoint con training preliminare per il training incrementale.
checkpointRunId	ID di un'esecuzione precedente con un checkpoint con training preliminare per il training incrementale.
distributed	Indica se usare il training distribuito.
earlyStopping	Abilitare la logica di arresto anticipato durante il training.
earlyStoppingDelay	Numero minimo di periodi o valutazioni di convalida da attendere prima che venga rilevato il miglioramento delle metriche primarie per l'arresto anticipato. Deve essere un numero intero positivo.
earlyStoppingPatience	Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima dell'arresto dell'esecuzione. Deve essere un numero intero positivo.
enableOnnxNormalization	Abilitare la normalizzazione durante l'esportazione del modello ONNX.
evaluationFrequency	Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un numero intero positivo.
gradientAccumulationStep	L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornare i pesi del modello durante l'accumulo delle sfumature di tali passaggi e quindi usare le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un numero intero positivo.
layersToFreeze	Numero di livelli da bloccare per il modello. Deve essere un numero intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa congelamento layer0 e layer1. Per un elenco completo dei modelli supportati e dei dettagli sul blocco del livello, vedere: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1].
learningRateScheduler	Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio".
modelName	Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	Valore di momentum quando optimizer è 'sgd'. Deve essere un valore float nell'intervallo [0, 1].
nesterov	Abilitare nesterov quando optimizer è "sgd".
numberOfEpochs	Numero di periodi di training. Deve essere un numero intero positivo.
numberOfWorkers	Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo.
optimizer	Tipo di ottimizzatore.
randomSeed	Valore di inizializzazione casuale da usare quando si usa il training deterministico.
stepLRGamma	Il valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è 'step'. Deve essere un valore float nell'intervallo [0, 1].
stepLRStepSize	Valore delle dimensioni del passaggio quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un numero intero positivo.
trainingBatchSize	Dimensioni batch di training. Deve essere un numero intero positivo.
validationBatchSize	Dimensioni batch di convalida. Deve essere un numero intero positivo.
warmupCosineLRCycles	Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float nell'intervallo [0, 1].
warmupCosineLRWarmupEpochs	Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un numero intero positivo.
weightDecay	Valore del decadimento del peso quando optimizer è 'sgd', 'adam' o 'adamw'. Deve essere un valore float nell'intervallo[0, 1].

Dettagli proprietà

trainingCropSize

Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di training. Deve essere un numero intero positivo.

trainingCropSize?: number

Valore della proprietà

number

validationCropSize

Dimensione ritaglio immagine che viene immessa nella rete neurale per il set di dati di convalida. Deve essere un numero intero positivo.

validationCropSize?: number

Valore della proprietà

number

validationResizeSize

Dimensioni dell'immagine in cui ridimensionare prima del ritaglio per il set di dati di convalida. Deve essere un numero intero positivo.

validationResizeSize?: number

Valore della proprietà

number

weightedLoss

Perdita ponderata. I valori accettati sono 0 per nessuna perdita ponderata. 1 per perdita ponderata con sqrt. (class_weights). 2 per perdita ponderata con class_weights. Deve essere 0 o 1 o 2.

weightedLoss?: number

Valore della proprietà

number

Dettagli proprietà ereditate

advancedSettings

Impostazioni per scenari avanzati.

advancedSettings?: string

Valore della proprietà

string

ereditato daImageModelSettings.advancedSettings

amsGradient

Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'.

amsGradient?: boolean

Valore della proprietà

boolean

ereditato daImageModelSettings.amsGradient

augmentations

Impostazioni per l'uso di Augmentations.

augmentations?: string

Valore della proprietà

string

ereditato daImageModelSettings.augmentations

beta1

Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1].

beta1?: number

Valore della proprietà

number

ereditato daImageModelSettings.beta1

beta2

Valore di 'beta2' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1].

beta2?: number

Valore della proprietà

number

ereditato daImageModelSettings.beta2

checkpointFrequency

Frequenza per archiviare i checkpoint del modello. Deve essere un numero intero positivo.

checkpointFrequency?: number

Valore della proprietà

number

ereditato daImageModelSettings.checkpointFrequency

checkpointModel

Modello di checkpoint con training preliminare per il training incrementale.

checkpointModel?: MLFlowModelJobInput

Valore della proprietà

MLFlowModelJobInput

ereditato daImageModelSettings.checkpointModel

checkpointRunId

ID di un'esecuzione precedente con un checkpoint con training preliminare per il training incrementale.

checkpointRunId?: string

Valore della proprietà

string

ereditato daImageModelSettings.checkpointRunId

distributed

Indica se usare il training distribuito.

distributed?: boolean

Valore della proprietà

boolean

ereditato daImageModelSettings.distributed

earlyStopping

Abilitare la logica di arresto anticipato durante il training.

earlyStopping?: boolean

Valore della proprietà

boolean

ereditato daImageModelSettings.earlyStopping

earlyStoppingDelay

Numero minimo di periodi o valutazioni di convalida da attendere prima che venga rilevato il miglioramento delle metriche primarie per l'arresto anticipato. Deve essere un numero intero positivo.

earlyStoppingDelay?: number

Valore della proprietà

number

ereditato daImageModelSettings.earlyStoppingDelay

earlyStoppingPatience

Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima dell'arresto dell'esecuzione. Deve essere un numero intero positivo.

earlyStoppingPatience?: number

Valore della proprietà

number

Ereditato daImageModelSettings.earlyStoppingPatience

enableOnnxNormalization

Abilitare la normalizzazione durante l'esportazione del modello ONNX.

enableOnnxNormalization?: boolean

Valore della proprietà

boolean

ereditato daImageModelSettings.enableOnnxNormalization

evaluationFrequency

Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un numero intero positivo.

evaluationFrequency?: number

Valore della proprietà

number

ereditato daImageModelSettings.evaluationFrequency

gradientAccumulationStep

L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornare i pesi del modello durante l'accumulo delle sfumature di tali passaggi e quindi usare le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un numero intero positivo.

gradientAccumulationStep?: number

Valore della proprietà

number

ereditato daImageModelSettings.gradientAccumulationStep

layersToFreeze

Numero di livelli da bloccare per il modello. Deve essere un numero intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa congelamento layer0 e layer1. Per un elenco completo dei modelli supportati e dei dettagli sul blocco del livello, vedere: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: number

Valore della proprietà

number

Ereditato daImageModelSettings.layersToFreeze

learningRate

Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1].

learningRate?: number

Valore della proprietà

number

ereditato daImageModelSettings.learningRate

learningRateScheduler

Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio".

learningRateScheduler?: string

Valore della proprietà

string

ereditato daImageModelSettings.learningRateScheduler

modelName

Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Valore della proprietà

string

Ereditato daImageModelSettings.modelName

momentum

Valore di momentum quando optimizer è 'sgd'. Deve essere un valore float nell'intervallo [0, 1].

momentum?: number

Valore della proprietà

number

ereditato daImageModelSettings.momentum

nesterov

Abilitare nesterov quando optimizer è "sgd".

nesterov?: boolean

Valore della proprietà

boolean

Ereditato daImageModelSettings.nesterov

numberOfEpochs

Numero di periodi di training. Deve essere un numero intero positivo.

numberOfEpochs?: number

Valore della proprietà

number

ereditato daImageModelSettings.numberOfEpochs

numberOfWorkers

Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo.

numberOfWorkers?: number

Valore della proprietà

number

ereditato daImageModelSettings.numberOfWorkers

optimizer

Tipo di ottimizzatore.

optimizer?: string

Valore della proprietà

string

ereditato daImageModelSettings.optimizer

randomSeed

Valore di inizializzazione casuale da usare quando si usa il training deterministico.

randomSeed?: number

Valore della proprietà

number

ereditato daImageModelSettings.randomSeed

stepLRGamma

Il valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è 'step'. Deve essere un valore float nell'intervallo [0, 1].

stepLRGamma?: number

Valore della proprietà

number

Ereditato daImageModelSettings.stepLRGamma

stepLRStepSize

Valore delle dimensioni del passaggio quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un numero intero positivo.

stepLRStepSize?: number

Valore della proprietà

number

Ereditato daImageModelSettings.stepLRStepSize

trainingBatchSize

Dimensioni batch di training. Deve essere un numero intero positivo.

trainingBatchSize?: number

Valore della proprietà

number

Ereditato daImageModelSettings.trainingBatchSize

validationBatchSize

Dimensioni batch di convalida. Deve essere un numero intero positivo.

validationBatchSize?: number

Valore della proprietà

number

Ereditato daImageModelSettings.validationBatchSize

warmupCosineLRCycles

Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float nell'intervallo [0, 1].

warmupCosineLRCycles?: number

Valore della proprietà

number

Ereditato daImageModelSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un numero intero positivo.

warmupCosineLRWarmupEpochs?: number

Valore della proprietà

number

ereditato daImageModelSettings.warmupCosineLRWarmupEpochs

weightDecay

Valore del decadimento del peso quando optimizer è 'sgd', 'adam' o 'adamw'. Deve essere un valore float nell'intervallo[0, 1].

weightDecay?: number

Valore della proprietà

number

Ereditato daImageModelSettings.weightDecay