ImageModelSettings interface

Pacote:

@azure/arm-machinelearning

Configurações usadas para treinar o modelo. Para obter mais informações sobre as configurações disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Propriedades

advancedSettings	Configurações para cenários avançados.
amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.
augmentations	Configurações para usar aumentos.
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].
checkpointFrequency	Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo.
checkpointModel	O modelo de ponto de verificação pré-treinado para treinamento incremental.
checkpointRunId	A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.
distributed	Se você deve usar o treinamento distribuído.
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação a serem aguardadas antes que a melhoria da métrica primária seja controlada para parada antecipada. Deve ser um inteiro positivo.
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes que a execução seja interrompida. Deve ser um inteiro positivo.
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.
gradientAccumulationStep	O acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizar os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usar os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar camada0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".
modelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].
nesterov	Habilite aninhado quando o otimizador for 'sgd'.
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.
optimizer	Tipo de otimizador.
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].

Detalhes da propriedade

advancedSettings

Configurações para cenários avançados.

advancedSettings?: string

Valor da propriedade

string

amsGradient

Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.

amsGradient?: boolean

Valor da propriedade

boolean

augmentations

Configurações para usar aumentos.

augmentations?: string

Valor da propriedade

string

beta1

Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].

beta1?: number

Valor da propriedade

number

beta2

Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].

beta2?: number

Valor da propriedade

number

checkpointFrequency

Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo.

checkpointFrequency?: number

Valor da propriedade

number

checkpointModel

O modelo de ponto de verificação pré-treinado para treinamento incremental.

checkpointModel?: MLFlowModelJobInput

Valor da propriedade

MLFlowModelJobInput

checkpointRunId

A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.

checkpointRunId?: string

Valor da propriedade

string

distributed

Se você deve usar o treinamento distribuído.

distributed?: boolean

Valor da propriedade

boolean

earlyStopping

Habilite a lógica de parada antecipada durante o treinamento.

earlyStopping?: boolean

Valor da propriedade

boolean

earlyStoppingDelay

Número mínimo de épocas ou avaliações de validação a serem aguardadas antes que a melhoria da métrica primária seja controlada para parada antecipada. Deve ser um inteiro positivo.

earlyStoppingDelay?: number

Valor da propriedade

number

earlyStoppingPatience

Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes que a execução seja interrompida. Deve ser um inteiro positivo.

earlyStoppingPatience?: number

Valor da propriedade

number

enableOnnxNormalization

Habilite a normalização ao exportar o modelo ONNX.

enableOnnxNormalization?: boolean

Valor da propriedade

boolean

evaluationFrequency

Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.

evaluationFrequency?: number

Valor da propriedade

number

gradientAccumulationStep

O acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizar os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usar os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.

gradientAccumulationStep?: number

Valor da propriedade

number

layersToFreeze

Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar camada0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: number

Valor da propriedade

number

learningRate

Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].

learningRate?: number

Valor da propriedade

number

learningRateScheduler

Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".

learningRateScheduler?: string

Valor da propriedade

string

modelName

Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Valor da propriedade

string

momentum

Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].

momentum?: number

Valor da propriedade

number

nesterov

Habilite aninhado quando o otimizador for 'sgd'.

nesterov?: boolean

Valor da propriedade

boolean

numberOfEpochs

Número de épocas de treinamento. Deve ser um inteiro positivo.

numberOfEpochs?: number

Valor da propriedade

number

numberOfWorkers

Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.

numberOfWorkers?: number

Valor da propriedade

number

optimizer

Tipo de otimizador.

optimizer?: string

Valor da propriedade

string

randomSeed

Semente aleatória a ser usada ao usar o treinamento determinístico.

randomSeed?: number

Valor da propriedade

number

stepLRGamma

Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].

stepLRGamma?: number

Valor da propriedade

number

stepLRStepSize

Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.

stepLRStepSize?: number

Valor da propriedade

number

trainingBatchSize

Tamanho do lote de treinamento. Deve ser um inteiro positivo.

trainingBatchSize?: number

Valor da propriedade

number

validationBatchSize

Tamanho do lote de validação. Deve ser um inteiro positivo.

validationBatchSize?: number

Valor da propriedade

number

warmupCosineLRCycles

Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].

warmupCosineLRCycles?: number

Valor da propriedade

number

warmupCosineLRWarmupEpochs

Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.

warmupCosineLRWarmupEpochs?: number

Valor da propriedade

number

weightDecay

Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].

weightDecay?: number

Valor da propriedade

number