你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

ImageModelDistributionSettings 类

定义

命名空间:

Azure.ResourceManager.MachineLearning.Models

程序集:

Azure.ResourceManager.MachineLearning.dll

包:

Azure.ResourceManager.MachineLearning v1.1.1

用于扫描模型设置值的分布表达式。 <示例> 包括：

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
All distributions can be specified as distribution_name(min, max) or choice(val1, val2, ..., valn)
where distribution name can be: uniform, quniform, loguniform, etc
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

public class ImageModelDistributionSettings

type ImageModelDistributionSettings = class

Public Class ImageModelDistributionSettings

继承

Object

ImageModelDistributionSettings

派生

Azure.ResourceManager.MachineLearning.Models.ImageModelDistributionSettingsClassification

Azure.ResourceManager.MachineLearning.Models.ImageModelDistributionSettingsObjectDetection

构造函数

ImageModelDistributionSettings()

初始化 ImageModelDistributionSettings 的新实例。

属性

AmsGradient	当优化器为“adam”或“adamw”时启用 AMSGrad。
Augmentations	用于使用扩充的设置。
Beta1	当优化器为“adam”或“adamw”时，“beta1”的值。 必须是 [0, 1] 范围内的浮点数。
Beta2	当优化器为“adam”或“adamw”时，“beta2”的值。 必须是 [0, 1] 范围内的浮点数。
Distributed	是否使用分发程序训练。
EarlyStopping	在训练期间启用提前停止逻辑。
EarlyStoppingDelay	跟踪主要指标改进以提前停止之前等待的最小纪元或验证评估数。 必须是正整数。
EarlyStoppingPatience	在停止运行之前，没有主要指标改进的最小纪元或验证评估数。 必须是正整数。
EnableOnnxNormalization	导出 ONNX 模型时启用规范化。
EvaluationFrequency	评估验证数据集以获得指标分数所遵循的频率。 必须是正整数。
GradientAccumulationStep	渐变累积意味着在不更新模型权重的情况下运行配置数量的“GradAccumulationStep”步骤，同时累积这些步骤的渐变，然后使用累积的渐变计算权重更新。 必须是正整数。
LayersToFreeze	模型要冻结的层数。 必须是正整数。 例如，将 2 作为“seresnext”的值传递意味着冻结 layer0 和 layer1。 有关支持模型的完整列表以及有关层冻结的详细信息，请参阅： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
LearningRate	初始学习速率。 必须是 [0, 1] 范围内的浮点数。
LearningRateScheduler	学习速率计划程序的类型。 必须为“warmup_cosine”或“step”。
ModelName	用于训练的模型的名称。 有关可用模型的详细信息，请访问官方文档： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
Momentum	优化器为“sgd”时的动量值。 必须是 [0, 1] 范围内的浮点数。
Nesterov	当优化器为“sgd”时启用 nesterov。
NumberOfEpochs	训练循环数。 必须是正整数。
NumberOfWorkers	数据加载程序辅助角色数。 必须是非负整数。
Optimizer	优化器的类型。 必须是“sgd”、“adam”或“adamw”。
RandomSeed	使用确定性训练时要使用的随机种子。
StepLRGamma	学习速率计划程序为“step”时，gamma 的值。 必须是 [0, 1] 范围内的浮点数。
StepLRStepSize	学习速率计划程序为“step”时步骤大小的值。 必须是正整数。
TrainingBatchSize	训练批大小。 必须是正整数。
ValidationBatchSize	验证批大小。 必须是正整数。
WarmupCosineLRCycles	学习速率计划程序为“warmup_cosine”时的余弦周期值。 必须是 [0, 1] 范围内的浮点数。
WarmupCosineLRWarmupEpochs	学习速率计划程序为“warmup_cosine”时预热纪元的值。 必须是正整数。
WeightDecay	优化器为“sgd”、“adam”或“adamw”时的权重衰减值。 必须是范围[0， 1] 中的浮点数。