Udostępnij za pośrednictwem

ImageClassificationSearchSpace Klasa

  • Odwołanie

Wyszukaj miejsce na zadania klasyfikacji obrazów automatycznego uczenia maszynowego i klasyfikacji obrazów z wieloma etykietami.

Dziedziczenie
azure.ai.ml.entities._mixins.RestTranslatableMixin
ImageClassificationSearchSpace

Konstruktor

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)

Parametry

ams_gradient
str lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Włącz narzędzie AMSGrad, gdy optymalizator ma wartość "adam" lub "adamw".

beta1
float lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Wartość "beta1", gdy optymalizator to "adam" lub "adamw". Musi być zmiennoprzecinkiem w zakresie [0, 1].

beta2
float lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Wartość "beta2", gdy optymalizator to "adam" lub "adamw". Musi być zmiennoprzecinkiem w zakresie [0, 1].

distributed
bool lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Czy należy używać trenowania rozproszonego.

early_stopping
bool lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Włącz logikę wczesnego zatrzymywania podczas trenowania.

early_stopping_delay
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Minimalna liczba epok lub ocen poprawności do oczekiwania przed rozpoczęciem śledzenia podstawowej metryki w celu wczesnego zatrzymania. Musi być dodatnią liczbą całkowitą.

early_stopping_patience
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Minimalna liczba epok lub ocen poprawności bez podstawowej poprawy metryki przed zatrzymaniu przebiegu. Musi być dodatnią liczbą całkowitą.

enable_onnx_normalization
bool lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Włącz normalizację podczas eksportowania modelu ONNX.

evaluation_frequency
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Częstotliwość oceniania zestawu danych weryfikacji w celu uzyskania wyników metryk. Musi być dodatnią liczbą całkowitą.

gradient_accumulation_step
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Akumulacja gradientu oznacza uruchomienie skonfigurowanej liczby kroków "GradAccumulationStep" bez aktualizowania wag modelu podczas gromadzenia gradientów tych kroków, a następnie używania skumulowanych gradientów do obliczenia aktualizacji wagi. Musi być dodatnią liczbą całkowitą.

layers_to_freeze
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Liczba warstw, które mają być blokowane dla modelu. Musi być dodatnią liczbą całkowitą. Na przykład przekazanie wartości 2 jako wartości dla "seresnext" oznacza zamrażanie warstwy 0 i warstwy 1. Aby uzyskać pełną listę obsługiwanych modeli i szczegóły dotyczące blokowania warstw, zobacz: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long

learning_rate
float lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Początkowa szybkość nauki. Musi być zmiennoprzecinkiem w zakresie [0, 1].

learning_rate_scheduler
str lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Typ harmonogramu szybkości nauki. Musi mieć wartość "warmup_cosine" lub "krok".

model_name
str lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Nazwa modelu, który ma być używany do trenowania. Aby uzyskać więcej informacji na temat dostępnych modeli, odwiedź oficjalną dokumentację: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

momentum
float lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Wartość tempa, gdy optymalizator ma wartość "sgd". Musi być zmiennoprzecinkiem w zakresie [0, 1].

nesterov
bool lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Włącz nesterov, gdy optymalizator ma wartość "sgd".

number_of_epochs
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Liczba epok treningowych. Musi być dodatnią liczbą całkowitą.

number_of_workers
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Liczba procesów roboczych modułu ładującego dane. Musi być nieujemną liczbą całkowitą.

optimizer
str lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Typ optymalizatora. Musi być albo "sgd", "adam", lub "adamw".

random_seed
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Losowe inicjatory, które mają być używane podczas korzystania z trenowania deterministycznego.

step_lr_gamma
float lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Wartość gamma podczas uczenia się harmonogramu szybkości jest "krok". Musi być zmiennoprzecinkiem w zakresie [0, 1].

step_lr_step_size
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Wartość rozmiaru kroku, gdy harmonogram szybkości nauki to "krok". Musi być dodatnią liczbą całkowitą.

training_batch_size
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Rozmiar partii trenowania. Musi być dodatnią liczbą całkowitą.

validation_batch_size
str lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Rozmiar partii sprawdzania poprawności. Musi być dodatnią liczbą całkowitą.

warmup_cosine_lr_cycles
float lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Wartość cyklu cosinusowego, gdy harmonogram szybkości nauki to "warmup_cosine". Musi być zmiennoprzecinkiem w zakresie [0, 1].

warmup_cosine_lr_warmup_epochs
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Wartość epok rozgrzewki, gdy harmonogram szybkości nauki to "warmup_cosine". Musi być dodatnią liczbą całkowitą.

weight_decay
float lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Wartość rozkładu wagi, gdy optymalizator to "sgd", "adam" lub "adamw". Musi być zmiennoprzecinkiem w zakresie[0, 1].

training_crop_size
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Rozmiar przycinania obrazów, który jest danymi wejściowymi sieci neuronowej dla zestawu danych treningowych. Musi być dodatnią liczbą całkowitą.

validation_crop_size
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Rozmiar przycinania obrazów, który jest danymi wejściowymi dla sieci neuronowej dla zestawu danych weryfikacji. Musi być dodatnią liczbą całkowitą.

validation_resize_size
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Rozmiar obrazu, którego rozmiar ma być zmieniany przed przycinaniem zestawu danych weryfikacji. Musi być dodatnią liczbą całkowitą.

weighted_loss
int lub <xref:azure.ai.ml.entities._job.sweep.search_space.SweepDistribution>
Wymagane

Utrata wagi. Akceptowane wartości to 0 bez odchudzania. 1 do odchudzania z sqrt. (class_weights). 2 dla odchudzania z class_weights. Musi mieć wartość 0 lub 1 lub 2.