ImageModelSettings interface

Пакет:

@azure/arm-machinelearning

Параметры, используемые для обучения модели. Дополнительные сведения о доступных параметрах см. в официальной документации: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Свойства

advancedSettings	Параметры для расширенных сценариев.
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".
augmentations	Параметры для использования расширения.
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].
checkpointFrequency	Частота хранения контрольных точек модели. Должно быть положительным целым числом.
checkpointModel	Предварительно обученная модель контрольной точки для добавочного обучения.
checkpointRunId	Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.
distributed	Следует ли использовать распределенное обучение.
earlyStopping	Включите логику раннего остановки во время обучения.
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать, прежде чем основное улучшение метрик отслеживается для раннего прекращения. Должно быть положительным целым числом.
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без улучшения первичной метрики до остановки выполнения. Должно быть положительным целым числом.
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.
gradientAccumulationStep	Градиентное накопление означает выполнение настроенного числа шагов "GradAccumulationStep" без обновления весов модели при накоплении градиентов этих шагов, а затем использование накопленных градиентов для вычисления обновлений веса. Должно быть положительным целым числом.
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для seresnext означает замораживание слоя0 и слоя1. Полный список поддерживаемых моделей и подробных сведений о замораживании слоев см. в статье https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".
modelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].
nesterov	Включите nesterov, если оптимизатор имеет значение "хем".
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.
optimizer	Тип оптимизатора.
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].

Сведения о свойстве

advancedSettings

Параметры для расширенных сценариев.

advancedSettings?: string

Значение свойства

string

amsGradient

Включите AMSGrad, если оптимизатор является "адам" или "адамв".

amsGradient?: boolean

Значение свойства

boolean

augmentations

Параметры для использования расширения.

augmentations?: string

Значение свойства

string

beta1

Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].

beta1?: number

Значение свойства

number

beta2

Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].

beta2?: number

Значение свойства

number

checkpointFrequency

Частота хранения контрольных точек модели. Должно быть положительным целым числом.

checkpointFrequency?: number

Значение свойства

number

checkpointModel

Предварительно обученная модель контрольной точки для добавочного обучения.

checkpointModel?: MLFlowModelJobInput

Значение свойства

MLFlowModelJobInput

checkpointRunId

Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.

checkpointRunId?: string

Значение свойства

string

distributed

Следует ли использовать распределенное обучение.

distributed?: boolean

Значение свойства

boolean

earlyStopping

Включите логику раннего остановки во время обучения.

earlyStopping?: boolean

Значение свойства

boolean

earlyStoppingDelay

Минимальное количество эпох или оценки проверки, которые следует ожидать, прежде чем основное улучшение метрик отслеживается для раннего прекращения. Должно быть положительным целым числом.

earlyStoppingDelay?: number

Значение свойства

number

earlyStoppingPatience

Минимальное количество эпох или оценки проверки без улучшения первичной метрики до остановки выполнения. Должно быть положительным целым числом.

earlyStoppingPatience?: number

Значение свойства

number

enableOnnxNormalization

Включите нормализацию при экспорте модели ONNX.

enableOnnxNormalization?: boolean

Значение свойства

boolean

evaluationFrequency

Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.

evaluationFrequency?: number

Значение свойства

number

gradientAccumulationStep

Градиентное накопление означает выполнение настроенного числа шагов "GradAccumulationStep" без обновления весов модели при накоплении градиентов этих шагов, а затем использование накопленных градиентов для вычисления обновлений веса. Должно быть положительным целым числом.

gradientAccumulationStep?: number

Значение свойства

number

layersToFreeze

Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для seresnext означает замораживание слоя0 и слоя1. Полный список поддерживаемых моделей и подробных сведений о замораживании слоев см. в статье https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: number

Значение свойства

number

learningRate

Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].

learningRate?: number

Значение свойства

number

learningRateScheduler

Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".

learningRateScheduler?: string

Значение свойства

string

modelName

Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Значение свойства

string

momentum

Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].

momentum?: number

Значение свойства

number

nesterov

Включите nesterov, если оптимизатор имеет значение "хем".

nesterov?: boolean

Значение свойства

boolean

numberOfEpochs

Число эпох обучения. Должно быть положительным целым числом.

numberOfEpochs?: number

Значение свойства

number

numberOfWorkers

Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.

numberOfWorkers?: number

Значение свойства

number

optimizer

Тип оптимизатора.

optimizer?: string

Значение свойства

string

randomSeed

Случайное начальное значение, используемое при использовании детерминированного обучения.

randomSeed?: number

Значение свойства

number

stepLRGamma

Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].

stepLRGamma?: number

Значение свойства

number

stepLRStepSize

Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.

stepLRStepSize?: number

Значение свойства

number

trainingBatchSize

Размер пакета обучения. Должно быть положительным целым числом.

trainingBatchSize?: number

Значение свойства

number

validationBatchSize

Размер пакета проверки. Должно быть положительным целым числом.

validationBatchSize?: number

Значение свойства

number

warmupCosineLRCycles

Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].

warmupCosineLRCycles?: number

Значение свойства

number

warmupCosineLRWarmupEpochs

Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.

warmupCosineLRWarmupEpochs?: number

Значение свойства

number

weightDecay

Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].

weightDecay?: number

Значение свойства

number