ImageClassificationJob Classe
Configurazione per il processo di classificazione delle immagini multiclasse AutoML.
Inizializzare un nuovo processo di classificazione immagini multiclasse AutoML.
- Ereditarietà
-
azure.ai.ml.entities._job.automl.image.automl_image_classification_base.AutoMLImageClassificationBaseImageClassificationJob
Costruttore
ImageClassificationJob(*, primary_metric: str | ClassificationPrimaryMetrics | None = None, **kwargs)
Parametri
- primary_metric
Metrica primaria da usare per l'ottimizzazione
- kwargs
Argomenti specifici del processo
Metodi
dump |
Esegue il dump del contenuto del processo in un file in formato YAML. |
extend_search_space |
Aggiungere lo spazio di ricerca per le attività Classificazione immagini AutoML e Classificazione immagini multi-etichetta. |
set_data | |
set_limits |
Limitare le impostazioni per tutti i verticali delle immagini AutoML. |
set_sweep |
Impostazioni di sweep per tutti i verticali dell'immagine AutoML. |
set_training_parameters |
Impostazione dei parametri di training dell'immagine per le attività Di classificazione immagini automatica e Classificazione immagini multieticheggio. |
dump
Esegue il dump del contenuto del processo in un file in formato YAML.
dump(dest: str | PathLike | IO, **kwargs) -> None
Parametri
Percorso locale o flusso di file in cui scrivere il contenuto YAML. Se dest è un percorso di file, verrà creato un nuovo file. Se dest è un file aperto, il file verrà scritto direttamente in .
- kwargs
- dict
Argomenti aggiuntivi da passare al serializzatore YAML.
Eccezioni
Generato se dest è un percorso di file e il file esiste già.
Generato se dest è un file aperto e il file non è scrivibile.
extend_search_space
Aggiungere lo spazio di ricerca per le attività Classificazione immagini AutoML e Classificazione immagini multi-etichetta.
extend_search_space(value: SearchSpace | List[SearchSpace]) -> None
Parametri
specificare un'istanza di ImageClassificationSearchSpace o un elenco di ImageClassificationSearchSpace per la ricerca nello spazio dei parametri
Eccezioni
Generato se dest è un percorso di file e il file esiste già.
Generato se dest è un file aperto e il file non è scrivibile.
set_data
set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None
Eccezioni
Generato se dest è un percorso di file e il file esiste già.
Generato se dest è un file aperto e il file non è scrivibile.
set_limits
Limitare le impostazioni per tutti i verticali delle immagini AutoML.
set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> None
Parametri
- timeout_minutes
- timedelta
Timeout del processo AutoML.
Eccezioni
Generato se dest è un percorso di file e il file esiste già.
Generato se dest è un file aperto e il file non è scrivibile.
set_sweep
Impostazioni di sweep per tutti i verticali dell'immagine AutoML.
set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> None
Parametri
- sampling_algorithm
Obbligatorio. [Obbligatorio] Tipo di algoritmi di campionamento degli iperparametri. I valori possibili includono: "Grid", "Random", "Bayesian".
- early_termination
- Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]
Tipo di criteri di terminazione anticipata.
Eccezioni
Generato se dest è un percorso di file e il file esiste già.
Generato se dest è un file aperto e il file non è scrivibile.
set_training_parameters
Impostazione dei parametri di training dell'immagine per le attività Di classificazione immagini automatica e Classificazione immagini multieticheggio.
set_training_parameters(*, advanced_settings: str | None = None, ams_gradient: bool | None = None, beta1: float | None = None, beta2: float | None = None, checkpoint_frequency: int | None = None, checkpoint_run_id: str | None = None, distributed: bool | None = None, early_stopping: bool | None = None, early_stopping_delay: int | None = None, early_stopping_patience: int | None = None, enable_onnx_normalization: bool | None = None, evaluation_frequency: int | None = None, gradient_accumulation_step: int | None = None, layers_to_freeze: int | None = None, learning_rate: float | None = None, learning_rate_scheduler: str | LearningRateScheduler | None = None, model_name: str | None = None, momentum: float | None = None, nesterov: bool | None = None, number_of_epochs: int | None = None, number_of_workers: int | None = None, optimizer: str | StochasticOptimizer | None = None, random_seed: int | None = None, step_lr_gamma: float | None = None, step_lr_step_size: int | None = None, training_batch_size: int | None = None, validation_batch_size: int | None = None, warmup_cosine_lr_cycles: float | None = None, warmup_cosine_lr_warmup_epochs: int | None = None, weight_decay: float | None = None, training_crop_size: int | None = None, validation_crop_size: int | None = None, validation_resize_size: int | None = None, weighted_loss: int | None = None) -> None
Parametri
- advanced_settings
- str
Impostazioni per scenari avanzati.
- ams_gradient
- bool
Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'.
- beta1
- float
Valore di 'beta1' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1].
- beta2
- float
Valore di 'beta2' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1].
- checkpoint_frequency
- int
Frequenza di archiviazione dei checkpoint del modello. Deve essere un intero positivo.
- checkpoint_run_id
- str
ID di un'esecuzione precedente con un checkpoint con training preliminare per il training incrementale.
- distributed
- bool
Indica se usare il training distribuito.
- early_stopping
- bool
Abilitare la logica di arresto anticipato durante il training.
- early_stopping_delay
- int
Numero minimo di periodi o valutazioni di convalida da attendere prima che venga rilevato il miglioramento della metrica primaria per l'arresto anticipato. Deve essere un intero positivo.
- early_stopping_patience
- int
Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima dell'arresto dell'esecuzione. Deve essere un intero positivo.
- enable_onnx_normalization
- bool
Abilitare la normalizzazione durante l'esportazione del modello ONNX.
- evaluation_frequency
- int
Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo.
- gradient_accumulation_step
- int
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 intero positivo.
- layers_to_freeze
Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa congelamento layer0 e layer1. Per un elenco completo dei modelli supportati e dettagli sul blocco del livello, vedere: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long
- learning_rate
- float
Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1].
- learning_rate_scheduler
Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere 'warmup_cosine' o 'step'. I valori possibili includono: "None", "WarmupCosine", "Step".
- model_name
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
- float
Valore di momentum quando Optimizer è "sgd". Deve essere un valore float nell'intervallo [0, 1].
- nesterov
- bool
Abilitare nesterov quando optimizer è "sgd".
- number_of_epochs
- int
Numero di periodi di training. Deve essere un intero positivo.
- number_of_workers
- int
Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo.
- optimizer
Tipo di ottimizzatore. I valori possibili includono: "None", "Sgd", "Adam", "Adamw".
- random_seed
- int
Valore di inizializzazione casuale da usare quando si usa il training deterministico.
- step_lr_gamma
- float
Valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un valore float nell'intervallo [0, 1].
- step_lr_step_size
- int
Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo.
- training_batch_size
- int
Dimensioni del batch di training. Deve essere un intero positivo.
- validation_batch_size
- int
Dimensioni del batch di convalida. Deve essere un intero positivo.
- warmup_cosine_lr_cycles
- float
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].
- warmup_cosine_lr_warmup_epochs
- int
Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo.
- weight_decay
- float
Valore del decadimento del peso quando Optimizer è 'sgd', 'adam', o 'adamw'. Deve essere un valore float nell'intervallo[0, 1].
- training_crop_size
- int
Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di training. Deve essere un intero positivo.
- validation_crop_size
- int
Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di convalida. Deve essere un intero positivo.
- validation_resize_size
- int
Dimensioni dell'immagine in cui eseguire il ridimensionamento prima del ritaglio per il set di dati di convalida. Deve essere un intero positivo.
- weighted_loss
- int
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.
Eccezioni
Generato se dest è un percorso di file e il file esiste già.
Generato se dest è un file aperto e il file non è scrivibile.
Attributi
base_path
creation_context
Contesto di creazione della risorsa.
Restituisce
Metadati di creazione per la risorsa.
Tipo restituito
id
L'ID della risorsa.
Restituisce
ID globale della risorsa, ID di Azure Resource Manager (ARM).
Tipo restituito
inputs
limits
log_files
File di output del processo.
Restituisce
Dizionario di URL e nomi di log.
Tipo restituito
log_verbosity
outputs
primary_metric
search_space
status
Stato del processo.
I valori comuni restituiti includono "Running", "Completed" e "Failed". Tutti i valori possibili sono:
NotStarted: si tratta di uno stato temporaneo in cui gli oggetti Run sul lato client si trovano prima dell'invio nel cloud.
Avvio: l'esecuzione è stata avviata nell'elaborazione nel cloud. Il chiamante ha un ID di esecuzione a questo punto.
Provisioning: l'ambiente di calcolo su richiesta viene creato per un invio di processo specificato.
Preparazione: l'ambiente di esecuzione viene preparato ed è in una delle due fasi seguenti:
Compilazione di immagini Docker
Configurazione dell'ambiente conda
In coda: il processo viene accodato nella destinazione di calcolo. Ad esempio, in BatchAI, il processo si trova in uno stato in coda
in attesa che tutti i nodi richiesti siano pronti.
In esecuzione: il processo è stato avviato per l'esecuzione nella destinazione di calcolo.
Finalizzazione: l'esecuzione del codice utente è stata completata e l'esecuzione è in fasi di post-elaborazione.
CancelRequested: l'annullamento è stato richiesto per il processo.
Completato: l'esecuzione è stata completata correttamente. Ciò include sia l'esecuzione del codice utente che l'esecuzione
fasi post-elaborazione.
Non riuscito: l'esecuzione non è riuscita. In genere la proprietà Error in un'esecuzione fornirà informazioni dettagliate sul motivo.
Annullata: segue una richiesta di annullamento e indica che l'esecuzione è stata annullata correttamente.
NotResponding : per le esecuzioni con heartbeat abilitati, non è stato inviato di recente alcun heartbeat.
Restituisce
Stato del processo.
Tipo restituito
studio_url
Endpoint di Azure ML Studio.
Restituisce
URL della pagina dei dettagli del processo.
Tipo restituito
sweep
task_type
Ottiene il tipo di attività.
Restituisce
Tipo di attività da eseguire. I valori possibili includono: "classification", "regression", "forecasting".
Tipo restituito
test_data
training_data
training_parameters
type
validation_data
Azure SDK for Python