ImageModelSettingsClassification Класс
Параметры модели для задач классификации изображений AutoML.
- Наследование
-
azure.ai.ml.entities._job.automl.image.image_model_settings.ImageModelDistributionSettingsImageModelSettingsClassification
Конструктор
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)
Параметры
- beta1
- float
Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1].
- beta2
- float
Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1].
- checkpoint_frequency
- int
Частота сохранения контрольных точек модели. Принимаются только положительные целые числа.
- checkpoint_run_id
- str
Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.
- early_stopping_delay
- int
Минимальное количество эпох или проверочных вычислений, ожидающее, прежде чем основное улучшение метрики будет отслеживаться для ранней остановки. Принимаются только положительные целые числа.
- early_stopping_patience
- int
Минимальное количество эпох или проверочных вычислений без улучшения основной метрики до остановки выполнения. Принимаются только положительные целые числа.
- evaluation_frequency
- int
Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа.
- gradient_accumulation_step
- int
Накопление градиента означает выполнение настроенного числа шагов GradAccumulationStep без обновления весовых коэффициентов модели при накоплении градиентов этих шагов, а затем использование накопленных градиентов для вычисления обновлений веса. Принимаются только положительные целые числа.
- layers_to_freeze
- int
Количество слоев, которые необходимо закрепить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для "seresnext" означает замораживание слоев0 и 1. Полный список поддерживаемых моделей и подробные сведения о замораживании слоя см. в статье https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
- learning_rate
- float
Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].
- learning_rate_scheduler
- str или LearningRateScheduler
Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг". Возможные значения: None, WarmupCosine, Step.
- model_name
- str
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
- float
Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1].
- number_of_workers
- int
Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.
- optimizer
- str или StochasticOptimizer
Тип оптимизатора. Возможные значения: "None", "Sgd", "Adam", "Adamw".
- random_seed
- int
Случайное начальное значение, используемое при использовании детерминированного обучения.
- step_lr_gamma
- float
Значение гамма, если планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1].
- step_lr_step_size
- int
Значение размера шага, если планировщик скорости обучения имеет значение step. Принимаются только положительные целые числа.
- training_batch_size
- int
Размер пакета, используемого для обучения. Принимаются только положительные целые числа.
- validation_batch_size
- int
Размер пакета, используемого для проверки. Принимаются только положительные целые числа.
- warmup_cosine_lr_cycles
- float
Значение цикла косиуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].
- warmup_cosine_lr_warmup_epochs
- int
Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа.
- weight_decay
- float
Значение упадения веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть типом float в диапазоне[0, 1].
- training_crop_size
- int
Размер обрезки изображения, который является входными данными для нейронной сети для обучающего набора данных. Принимаются только положительные целые числа.
- validation_crop_size
- int
Размер обрезки изображения, который входит в нейронную сеть для проверочного набора данных. Принимаются только положительные целые числа.
- validation_resize_size
- int
Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Принимаются только положительные целые числа.
- weighted_loss
- int
Взвешивая потеря. Допустимые значения — 0 для без взвешения потерь. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2.
Azure SDK for Python
Обратная связь
https://aka.ms/ContentUserFeedback.
Ожидается в ближайшее время: в течение 2024 года мы постепенно откажемся от GitHub Issues как механизма обратной связи для контента и заменим его новой системой обратной связи. Дополнительные сведения см. в разделеОтправить и просмотреть отзыв по