ImageClassificationSearchSpace Classe

Cerca spazio per le attività Classificazione immagini AutoML e Classificazione immagini multi-etichetta.

Ereditarietà

azure.ai.ml.entities._mixins.RestTranslatableMixin

ImageClassificationSearchSpace

Costruttore

ImageClassificationSearchSpace(*, ams_gradient: bool | SweepDistribution | None = None, beta1: float | SweepDistribution | None = None, beta2: float | SweepDistribution | None = None, distributed: bool | SweepDistribution | None = None, early_stopping: bool | SweepDistribution | None = None, early_stopping_delay: int | SweepDistribution | None = None, early_stopping_patience: int | SweepDistribution | None = None, enable_onnx_normalization: bool | SweepDistribution | None = None, evaluation_frequency: int | SweepDistribution | None = None, gradient_accumulation_step: int | SweepDistribution | None = None, layers_to_freeze: int | SweepDistribution | None = None, learning_rate: float | SweepDistribution | None = None, learning_rate_scheduler: str | SweepDistribution | None = None, model_name: str | SweepDistribution | None = None, momentum: float | SweepDistribution | None = None, nesterov: bool | SweepDistribution | None = None, number_of_epochs: int | SweepDistribution | None = None, number_of_workers: int | SweepDistribution | None = None, optimizer: str | SweepDistribution | None = None, random_seed: int | SweepDistribution | None = None, step_lr_gamma: float | SweepDistribution | None = None, step_lr_step_size: int | SweepDistribution | None = None, training_batch_size: int | SweepDistribution | None = None, validation_batch_size: int | SweepDistribution | None = None, warmup_cosine_lr_cycles: float | SweepDistribution | None = None, warmup_cosine_lr_warmup_epochs: int | SweepDistribution | None = None, weight_decay: float | SweepDistribution | None = None, training_crop_size: int | SweepDistribution | None = None, validation_crop_size: int | SweepDistribution | None = None, validation_resize_size: int | SweepDistribution | None = None, weighted_loss: int | SweepDistribution | None = None)

Parametri

ams_gradient

str oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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

beta1

float oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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

beta2

float oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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

distributed

bool oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

Indica se usare il training di distributer.

early_stopping

bool oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

Abilitare la logica di arresto anticipato durante il training.

early_stopping_delay

int oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

Abilitare la normalizzazione durante l'esportazione del modello ONNX.

evaluation_frequency

int oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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

gradient_accumulation_step

int oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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

int oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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

learning_rate_scheduler

str oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere 'warmup_cosine' o 'step'.

model_name

str oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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

nesterov

bool oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

Abilitare nesterov quando optimizer è "sgd".

number_of_epochs

int oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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

number_of_workers

int oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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

optimizer

str oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

Tipo di ottimizzatore. Deve essere "sgd", "adam" o "adamw".

random_seed

int oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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

step_lr_gamma

float oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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

validation_batch_size

str oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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

warmup_cosine_lr_cycles

float oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>

Necessario

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.