Partilhar via


ImageModelDistributionSettings Classe

Definição

Expressões de distribuição para varrer valores de configurações de modelo. <exemplo> Alguns exemplos são:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```&lt;/example&gt;
All distributions can be specified as distribution_name(min, max) or choice(val1, val2, ..., valn)
where distribution name can be: uniform, quniform, loguniform, etc
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
public class ImageModelDistributionSettings
type ImageModelDistributionSettings = class
Public Class ImageModelDistributionSettings
Herança
ImageModelDistributionSettings
Derivado

Construtores

ImageModelDistributionSettings()

Inicializa uma nova instância de ImageModelDistributionSettings.

Propriedades

AmsGradient

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

Augmentations

Configurações para usar aumentos.

Beta1

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

Beta2

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

Distributed

Se o treinamento do distribuídor deve ser usado.

EarlyStopping

Habilitar a lógica de parada antecipada durante o treinamento.

EarlyStoppingDelay

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

EarlyStoppingPatience

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

EnableOnnxNormalization

Habilite a normalização ao exportar o modelo ONNX.

EvaluationFrequency

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

GradientAccumulationStep

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.

LayersToFreeze

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 dos 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 aprendizagem inicial. Precisa 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 momento quando o otimizador é 'sgd'. Precisa ser um float no intervalo [0, 1].

Nesterov

Habilite aninhado quando o otimizador for 'sgd'.

NumberOfEpochs

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

NumberOfWorkers

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

Optimizer

Tipo de otimizador. Deve ser 'sgd', 'adam', ou 'adamw'.

RandomSeed

Semente aleatória a ser usada ao usar o treinamento determinístico.

StepLRGamma

Valor de gama quando o agendador de taxa de aprendizagem é 'step'. Precisa 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 número inteiro positivo.

TrainingBatchSize

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

ValidationBatchSize

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

WarmupCosineLRCycles

Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Precisa 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 número inteiro positivo.

WeightDecay

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

Aplica-se a