Dela via

ImageModelSettingsClassification Klass

  • Referens

Modellinställningar för AutoML-bildklassificeringsuppgifter.

Arv
azure.ai.ml.entities._job.automl.image.image_model_settings.ImageModelDistributionSettings
ImageModelSettingsClassification

Konstruktor

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)

Parametrar

advanced_settings
str
Obligatorisk

Inställningar för avancerade scenarier.

ams_gradient
bool
Obligatorisk

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

beta1
float
Obligatorisk

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

beta2
float
Obligatorisk

Värdet "beta2" när optimizern är "adam" eller "adamw". Måste vara ett flyttal i intervallet [0, 1].

checkpoint_frequency
int
Obligatorisk

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

checkpoint_run_id
str
Obligatorisk

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

distributed
bool
Obligatorisk

Om distribuerad träning ska användas.

early_stopping
bool
Obligatorisk

Aktivera tidig stopplogik under träningen.

early_stopping_delay
int
Obligatorisk

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

early_stopping_patience
int
Obligatorisk

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

enable_onnx_normalization
bool
Obligatorisk

Aktivera normalisering när du exporterar ONNX-modellen.

evaluation_frequency
int
Obligatorisk

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

gradient_accumulation_step
int
Obligatorisk

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

layers_to_freeze
int
Obligatorisk

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/how-to-auto-train-image-models.

learning_rate
float
Obligatorisk

Inledande inlärningstakt. Måste vara ett flyttal i intervallet [0, 1].

learning_rate_scheduler
str eller LearningRateScheduler
Obligatorisk

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

model_name
str
Obligatorisk

Namnet på modellen 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
Obligatorisk

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

nesterov
bool
Obligatorisk

Aktivera nesterov när optimizern är "sgd".

number_of_epochs
int
Obligatorisk

Antal träningsepoker. Måste vara ett positivt heltal.

number_of_workers
int
Obligatorisk

Antal datainläsare. Måste vara ett icke-negativt heltal.

optimizer
str eller StochasticOptimizer
Obligatorisk

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

random_seed
int
Obligatorisk

Slumpmässigt frö som ska användas när deterministisk träning används.

step_lr_gamma
float
Obligatorisk

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

step_lr_step_size
int
Obligatorisk

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

training_batch_size
int
Obligatorisk

Träningsbatchstorlek. Måste vara ett positivt heltal.

validation_batch_size
int
Obligatorisk

Batchstorlek för validering. Måste vara ett positivt heltal.

warmup_cosine_lr_cycles
float
Obligatorisk

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

warmup_cosine_lr_warmup_epochs
int
Obligatorisk

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

weight_decay
float
Obligatorisk

Värdet av viktförfall när optimizern är "sgd", "adam" eller "adamw". Måste vara en flotte i intervallet[0, 1].

training_crop_size
int
Obligatorisk

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

validation_crop_size
int
Obligatorisk

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

validation_resize_size
int
Obligatorisk

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

weighted_loss
int
Obligatorisk

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.