Partilhar via

ImageModelSettingsClassification Classe

  • Referência

Definições de modelo para tarefas de Classificação de Imagens 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
Necessário

Definições para cenários avançados.

ams_gradient
bool
Necessário

Ative o AMSGrad quando o otimizador for "adam" ou "adamw".

beta1
float
Necessário

Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].

beta2
float
Necessário

Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].

checkpoint_frequency
int
Necessário

Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo.

checkpoint_run_id
str
Necessário

O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental.

distributed
bool
Necessário

Se pretende utilizar a preparação distribuída.

early_stopping
bool
Necessário

Ative a lógica de paragem antecipada durante a preparação.

early_stopping_delay
int
Necessário

Número mínimo de épocas ou avaliações de validação a aguardar antes de a melhoria das métricas primárias ser controlada para paragem antecipada. Tem de ser um número inteiro positivo.

early_stopping_patience
int
Necessário

Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes de a execução ser parada. Tem de ser um número inteiro positivo.

enable_onnx_normalization
bool
Necessário

Ative a normalização ao exportar o modelo ONNX.

evaluation_frequency
int
Necessário

Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo.

gradient_accumulation_step
int
Necessário

A acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo enquanto acumula as gradações desses passos e, em seguida, utilizar os gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo.

layers_to_freeze
int
Necessário

Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa congelar camada0 e camada1. Para obter uma lista completa dos modelos suportados 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
Necessário

Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1].

learning_rate_scheduler
str ou LearningRateScheduler
Necessário

Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". Os valores possíveis incluem: "None", "WarmupCosine", "Step".

model_name
str
Necessário

Nome do modelo a utilizar para preparação. 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
Necessário

Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1].

nesterov
bool
Necessário

Ative o aninhado quando o otimizador é "sgd".

number_of_epochs
int
Necessário

Número de épocas de preparação. Tem de ser um número inteiro positivo.

number_of_workers
int
Necessário

Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo.

optimizer
str ou StochasticOptimizer
Necessário

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

random_seed
int
Necessário

Semente aleatória a ser utilizada ao utilizar preparação determinista.

step_lr_gamma
float
Necessário

Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1].

step_lr_step_size
int
Necessário

Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo.

training_batch_size
int
Necessário

Tamanho do lote de preparação. Tem de ser um número inteiro positivo.

validation_batch_size
int
Necessário

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

warmup_cosine_lr_cycles
float
Necessário

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

warmup_cosine_lr_warmup_epochs
int
Necessário

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

weight_decay
float
Necessário

Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1].

training_crop_size
int
Necessário

Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo.

validation_crop_size
int
Necessário

Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo.

validation_resize_size
int
Necessário

Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo.

weighted_loss
int
Necessário

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