Compartilhar via

ImageModelSettingsClassification Classe

  • Referência

Configurações de modelo para tarefas de Classificação de Imagem de AutoML.

Herança
azure.ai.ml.entities._job.automl.image.image_model_settings.ImageModelDistributionSettings
ImageModelSettingsClassification

Construtor

ImageModelSettingsClassification(*, 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: 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: 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, **kwargs)

Parâmetros

advanced_settings
str
Obrigatório

Configurações para cenários avançados.

ams_gradient
bool
Obrigatório

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

beta1
float
Obrigatório

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

beta2
float
Obrigatório

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

checkpoint_frequency
int
Obrigatório

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

checkpoint_run_id
str
Obrigatório

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

distributed
bool
Obrigatório

Se deseja usar o treinamento distribuído.

early_stopping
bool
Obrigatório

Habilitar a lógica de parada antecipada durante o treinamento.

early_stopping_delay
int
Obrigatório

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

early_stopping_patience
int
Obrigatório

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

enable_onnx_normalization
bool
Obrigatório

Habilite a normalização ao exportar o modelo ONNX.

evaluation_frequency
int
Obrigatório

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

gradient_accumulation_step
int
Obrigatório

Acumulação 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 número inteiro positivo.

layers_to_freeze
int
Obrigatório

Número de camadas a serem congeladas para o modelo. Deve ser um número 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.

learning_rate
float
Obrigatório

Taxa de aprendizagem inicial. Precisa ser um float no intervalo [0, 1].

learning_rate_scheduler
str ou LearningRateScheduler
Obrigatório

Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. Os valores possíveis incluem: "None", "WarmupCosine", "Step".

model_name
str
Obrigatório

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
float
Obrigatório

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

nesterov
bool
Obrigatório

Habilite aninhado quando o otimizador for 'sgd'.

number_of_epochs
int
Obrigatório

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

number_of_workers
int
Obrigatório

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

optimizer
str ou StochasticOptimizer
Obrigatório

Tipo de otimizador. Os valores possíveis incluem: "None", "Sgd", "Adam", "Adamw".

random_seed
int
Obrigatório

Semente aleatória a ser usada ao usar o treinamento determinístico.

step_lr_gamma
float
Obrigatório

Valor de gama quando o agendador de taxa de aprendizagem é 'step'. Precisa ser um float no intervalo [0, 1].

step_lr_step_size
int
Obrigatório

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

training_batch_size
int
Obrigatório

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

validation_batch_size
int
Obrigatório

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

warmup_cosine_lr_cycles
float
Obrigatório

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

warmup_cosine_lr_warmup_epochs
int
Obrigatório

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

weight_decay
float
Obrigatório

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

training_crop_size
int
Obrigatório

Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo.

validation_crop_size
int
Obrigatório

Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo.

validation_resize_size
int
Obrigatório

Tamanho da imagem a redimensionar antes do corte para um conjunto de validação. Deve ser um número inteiro positivo.

weighted_loss
int
Obrigatório

Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Precisa ser 0, 1 ou 2.