Dela via

ImageClassificationJob Klass

  • Referens

Konfiguration för AutoML-jobb med flera klasser för bildklassificering.

Initiera ett nytt AutoML-jobb för bildklassificering i flera klasser.

Arv
azure.ai.ml.entities._job.automl.image.automl_image_classification_base.AutoMLImageClassificationBase
ImageClassificationJob

Konstruktor

ImageClassificationJob(*, primary_metric: str | ClassificationPrimaryMetrics | None = None, **kwargs)

Parametrar

primary_metric
Obligatorisk

Det primära måttet som ska användas för optimering

kwargs
Obligatorisk

Jobbspecifika argument

Metoder

dump

Dumpar jobbinnehållet till en fil i YAML-format.
extend_search_space

Lägg till sökutrymme för AutoML-bildklassificering och multilabeluppgifter för bildklassificering.
set_data
set_limits

Begränsa inställningarna för alla AutoML-bild lodräta.
set_sweep

Rensa inställningar för alla AutoML Image Verticals.
set_training_parameters

Ange bildträningsparametrar för AutoML-bildklassificering och bildklassificeringsaktiviteter med flera etiketter.

dump

Dumpar jobbinnehållet till en fil i YAML-format.

dump(dest: str | PathLike | IO, **kwargs) -> None

Parametrar

dest
Union[<xref:PathLike>, str, IO[AnyStr]]
Obligatorisk

Den lokala sökvägen eller filströmmen som YAML-innehållet ska skrivas till. Om dest är en filsökväg skapas en ny fil. Om dest är en öppen fil skrivs filen till direkt.

kwargs
dict

Ytterligare argument som ska skickas till YAML-serialiseraren.

Undantag

FileExistsError

Upphöjt om dest är en filsökväg och filen redan finns.

IOError

Upphöjt om dest är en öppen fil och filen inte kan skrivas.

extend_search_space

Lägg till sökutrymme för AutoML-bildklassificering och multilabeluppgifter för bildklassificering.

extend_search_space(value: SearchSpace | List[SearchSpace]) -> None

Parametrar

value
Union[ImageClassificationSearchSpace, List[ImageClassificationSearchSpace]]
Obligatorisk

ange antingen en instans av ImageClassificationSearchSpace eller en lista över ImageClassificationSearchSpace för sökning i parameterutrymmet

Undantag

FileExistsError

Upphöjt om dest är en filsökväg och filen redan finns.

IOError

Upphöjt om dest är en öppen fil och filen inte kan skrivas.

set_data 

set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None

Undantag

FileExistsError

Upphöjt om dest är en filsökväg och filen redan finns.

IOError

Upphöjt om dest är en öppen fil och filen inte kan skrivas.

set_limits

Begränsa inställningarna för alla AutoML-bild lodräta.

set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> None

Parametrar

timeout_minutes
timedelta

Tidsgräns för AutoML-jobb.

Undantag

FileExistsError

Upphöjt om dest är en filsökväg och filen redan finns.

IOError

Upphöjt om dest är en öppen fil och filen inte kan skrivas.

set_sweep

Rensa inställningar för alla AutoML Image Verticals.

set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> None

Parametrar

sampling_algorithm

Krävs. [Krävs] Typ av algoritmer för hyperparametersampling. Möjliga värden är: "Grid", "Random", "Bayesian".

early_termination
Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]

Typ av princip för tidig uppsägning.

Undantag

FileExistsError

Upphöjt om dest är en filsökväg och filen redan finns.

IOError

Upphöjt om dest är en öppen fil och filen inte kan skrivas.

set_training_parameters

Ange bildträningsparametrar för AutoML-bildklassificering och bildklassificeringsaktiviteter med flera etiketter.

set_training_parameters(*, 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: str | 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: str | 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) -> None

Parametrar

advanced_settings
str

Inställningar för avancerade scenarier.

ams_gradient
bool

Aktivera AMSGrad när optimeraren är "adam" eller "adamw".

beta1
float

Värdet "beta1" när optimizern är "adam" eller "adamw". Måste vara en flottör i intervallet [0, 1].

beta2
float

Värdet för "beta2" när optimizern är "adam" eller "adamw". Måste vara en flottör i intervallet [0, 1].

checkpoint_frequency
int

Frekvens för att lagra modellkontrollpunkter. Måste vara ett positivt heltal.

checkpoint_run_id
str

ID:t för en tidigare körning som har en förtränad kontrollpunkt för inkrementell träning.

distributed
bool

Om du vill använda distribuerad träning.

early_stopping
bool

Aktivera tidig stopplogik under träning.

early_stopping_delay
int

Minsta antal epoker eller valideringsutvärderingar som ska vänta innan den primära måttförbättringen spåras för tidig stoppning. Måste vara ett positivt heltal.

early_stopping_patience
int

Minsta antal epoker eller valideringsutvärderingar utan någon primär måttförbättring innan körningen stoppas. Måste vara ett positivt heltal.

enable_onnx_normalization
bool

Aktivera normalisering vid export av ONNX-modell.

evaluation_frequency
int

Frekvens för att utvärdera valideringsdatauppsättningen för att få måttpoäng. Måste vara ett positivt heltal.

gradient_accumulation_step
int

Toningsansamling innebär att du kör ett konfigurerat antal "GradAccumulationStep"-steg utan att uppdatera modellvikterna medan du ackumulerar toningarna i dessa steg och sedan använder de ackumulerade toningarna för att beräkna viktuppdateringarna. Måste vara ett positivt heltal.

layers_to_freeze

Antal lager som ska frysas för modellen. Måste vara ett positivt heltal. Om du till exempel skickar 2 som värde för "seresnext" innebär det fryslager0 och lager1. En fullständig lista över modeller som stöds och information om lagerfrysning finns i: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long

learning_rate
float

Inledande inlärningstakt. Måste vara en flottör i intervallet [0, 1].

learning_rate_scheduler

Typ av schemaläggare för inlärningsfrekvens. Måste vara "warmup_cosine" eller "step". Möjliga värden är: "None", "WarmupCosine", "Step".

model_name

Namnet på den modell som ska användas för träning. Mer information om tillgängliga modeller finns i den officiella dokumentationen: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

momentum
float

Värdet av momentum när optimizern är "sgd". Måste vara ett flyttal i intervallet [0, 1].

nesterov
bool

Aktivera nesterov när optimizern är "sgd".

number_of_epochs
int

Antal träningsepoker. Måste vara ett positivt heltal.

number_of_workers
int

Antal datainläsare. Måste vara ett icke-negativt heltal.

optimizer

Typ av optimerare. Möjliga värden är: "None", "Sgd", "Adam", "Adamw".

random_seed
int

Slumpmässigt frö som ska användas när deterministisk träning används.

step_lr_gamma
float

Värdet av gamma när learning rate scheduler är "step". Måste vara ett flyttal i intervallet [0, 1].

step_lr_step_size
int

Värdet för stegstorlek när learning rate scheduler är "step". Måste vara ett positivt heltal.

training_batch_size
int

Träningsbatchstorlek. Måste vara ett positivt heltal.

validation_batch_size
int

Batchstorlek för validering. Måste vara ett positivt heltal.

warmup_cosine_lr_cycles
float

Värdet för cosinincykeln när learning rate scheduler är "warmup_cosine". Måste vara ett flyttal i intervallet [0, 1].

warmup_cosine_lr_warmup_epochs
int

Värdet för uppvärmningsepoker när learning rate scheduler är "warmup_cosine". Måste vara ett positivt heltal.

weight_decay
float

Värdet för viktförfall när optimizern är "sgd", "adam" eller "adamw". Måste vara ett flyttal i intervallet[0, 1].

training_crop_size
int

Bild beskärningsstorlek som är indata till det neurala nätverket för träningsdatauppsättningen. Måste vara ett positivt heltal.

validation_crop_size
int

Bild beskärningsstorlek som är indata till det neurala nätverket för valideringsdatauppsättningen. Måste vara ett positivt heltal.

validation_resize_size
int

Bildstorlek som du vill ändra storlek på innan du beskär för valideringsdatauppsättningen. Måste vara ett positivt heltal.

weighted_loss
int

Viktad förlust. De godkända värdena är 0 utan viktad förlust. 1 för viktad förlust med kvadrt. (class_weights). 2 för viktad förlust med class_weights. Måste vara 0, 1 eller 2.

Undantag

FileExistsError

Upphöjt om dest är en filsökväg och filen redan finns.

IOError

Upphöjt om dest är en öppen fil och filen inte kan skrivas.

Attribut

base_path

Resursens grundläggande sökväg.

Returer

Resursens grundläggande sökväg.

Returtyp

str

creation_context

Resursens skapandekontext.

Returer

Skapandemetadata för resursen.

Returtyp

Optional[SystemData]

id

Resurs-ID:t.

Returer

Resursens globala ID, ett ARM-ID (Azure Resource Manager).

Returtyp

Optional[str]

inputs

limits

log_files

Jobbutdatafiler.

Returer

Ordlistan med loggnamn och URL:er.

Returtyp

Optional[Dict[str, str]]

log_verbosity

outputs

primary_metric

search_space

status

Jobbets status.

Vanliga värden som returneras är "Running", "Completed" och "Failed". Alla möjliga värden är:

  • NotStarted – det här är ett tillfälligt tillstånd som körningsobjekt på klientsidan befinner sig i innan molnöverföringen.

  • Start – Körningen har börjat bearbetas i molnet. Anroparen har ett körnings-ID just nu.

  • Etablering – beräkning på begäran skapas för en viss jobböverföring.

  • Förbereder – Körningsmiljön förbereds och är i ett av två steg:

    • Docker-avbildningsversion

    • konfiguration av conda-miljö

  • I kö – Jobbet placeras i kö på beräkningsmålet. I BatchAI är jobbet till exempel i ett köat tillstånd

    medan du väntar på att alla begärda noder ska vara klara.

  • Körs – Jobbet har börjat köras på beräkningsmålet.

  • Slutför – Körningen av användarkod har slutförts och körningen är i efterbearbetningssteg.

  • CancelRequested – Annullering har begärts för jobbet.

  • Slutförd – körningen har slutförts. Detta omfattar både körning och körning av användarkod

    efterbearbetningssteg.

  • Misslyckades – körningen misslyckades. Vanligtvis innehåller egenskapen Error på en körning information om varför.

  • Avbryts – följer en begäran om annullering och anger att körningen nu har avbrutits.

  • Svarar inte – För körningar som har Pulsslag aktiverat har inga pulsslag nyligen skickats.

Returer

Status för jobbet.

Returtyp

Optional[str]

studio_url

Azure ML Studio-slutpunkt.

Returer

URL:en till jobbinformationssidan.

Returtyp

Optional[str]

sweep

task_type

Hämta aktivitetstyp.

Returer

Den typ av uppgift som ska köras. Möjliga värden är: "classification", "regression", "forecasting".

Returtyp

str

test_data

Hämta testdata.

Returer

Testa indata

Returtyp

Input

training_data

Hämta träningsdata.

Returer

Indata för träningsdata

Returtyp

Input

training_parameters

type

Typen av jobb.

Returer

Typen av jobb.

Returtyp

Optional[str]

validation_data

Hämta valideringsdata.

Returer

Indata för valideringsdata

Returtyp

Input