ImageModelSettingsClassification interface

Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de trainingsgegevensset. Moet een positief geheel getal zijn.

trainingCropSize?: number

Waarde van eigenschap

Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de validatiegegevensset. Moet een positief geheel getal zijn.

validationCropSize?: number

Waarde van eigenschap

Afbeeldingsgrootte waarnaar u het formaat wilt wijzigen voordat u bijsnijd voor validatiegegevensset. Moet een positief geheel getal zijn.

validationResizeSize?: number

Waarde van eigenschap

Gewogen verlies. De geaccepteerde waarden zijn 0 voor geen gewogen verlies. 1 voor gewogen verlies met wortel. (class_weights). 2 voor gewogen verlies met class_weights. Moet 0 of 1 of 2 zijn.

weightedLoss?: number

Waarde van eigenschap

Instellingen voor geavanceerde scenario's.

advancedSettings?: string

Waarde van eigenschap

overgenomen vanImageModelSettings.advancedSettings

Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is.

amsGradient?: boolean

Waarde van eigenschap

overgenomen vanImageModelSettings.amsGradient

Instellingen voor het gebruik van augmentations.

augmentations?: string

Waarde van eigenschap

overgenomen vanImageModelSettings.augmentations

De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.

beta1?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.beta1-

De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.

beta2?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.beta2

Frequentie voor het opslaan van modelcontrolepunten. Moet een positief geheel getal zijn.

checkpointFrequency?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.checkpointFrequency

Het vooraf getrainde controlepuntmodel voor incrementele training.

checkpointModel?: MLFlowModelJobInput

Waarde van eigenschap

overgenomen vanImageModelSettings.checkpointModel

De id van een vorige uitvoering met een vooraf getraind controlepunt voor incrementele training.

checkpointRunId?: string

Waarde van eigenschap

overgenomen vanImageModelSettings.checkpointRunId

Of u gedistribueerde training wilt gebruiken.

distributed?: boolean

Waarde van eigenschap

overgenomen vanImageModelSettings.distributed

Schakel vroege stoplogica in tijdens de training.

earlyStopping?: boolean

Waarde van eigenschap

overgenomen vanImageModelSettings.earlyStopping-

Het minimum aantal epochs of validatie-evaluaties dat moet worden gewacht voordat primaire metrische gegevens worden verbeterd voor vroegtijdige stop. Moet een positief geheel getal zijn.

earlyStoppingDelay?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.earlyStoppingDelay

Minimaal aantal tijdvakken of validatie-evaluaties zonder primaire metrische verbetering voordat de uitvoering wordt gestopt. Moet een positief geheel getal zijn.

earlyStoppingPatience?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.earlyStoppingPatience

Normalisatie inschakelen bij het exporteren van een ONNX-model.

enableOnnxNormalization?: boolean

Waarde van eigenschap

overgenomen vanImageModelSettings.enableOnnxNormalization-

Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn.

evaluationFrequency?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.evaluationFrequency

Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal 'GradAccumulationStep'-stappen zonder de modelgewichten bij te werken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens de verzamelde kleurovergangen te gebruiken om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.

gradientAccumulationStep?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.gradientAccumulationStep

Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn. Het doorgeven van 2 als waarde voor 'seresnext' betekent bijvoorbeeld vrieslaag0 en laag1. Zie voor een volledige lijst met modellen die worden ondersteund en details over laagblokkering: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.layersToFreeze-

Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn.

learningRate?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.learningRate

Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn.

learningRateScheduler?: string

Waarde van eigenschap

overgenomen vanImageModelSettings.learningRateScheduler

De naam van het model dat moet worden gebruikt voor training. Voor meer informatie over de beschikbare modellen raadpleegt u de officiële documentatie: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Waarde van eigenschap

overgenomen vanImageModelSettings.modelName

Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn.

momentum?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.momentum

Schakel nesterov in wanneer optimizer 'sgd' is.

nesterov?: boolean

Waarde van eigenschap

overgenomen vanImageModelSettings.nesterov-

Aantal trainingstijdvakken. Moet een positief geheel getal zijn.

numberOfEpochs?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.numberOfEpochs

Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn.

numberOfWorkers?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.numberOfWorkers

Type optimizer.

optimizer?: string

Waarde van eigenschap

overgenomen vanImageModelSettings.optimizer

Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training.

randomSeed?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.randomSeed-

Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn.

stepLRGamma?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.stepLRGamma

Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn.

stepLRStepSize?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.stepLRStepSize

Grootte van trainingsbatch. Moet een positief geheel getal zijn.

trainingBatchSize?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.trainingBatchSize

Grootte van validatiebatch. Moet een positief geheel getal zijn.

validationBatchSize?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.validationBatchSize-

Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn.

warmupCosineLRCycles?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.warmupCosineLRCycles

Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn.

warmupCosineLRWarmupEpochs?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.warmupCosineLRWarmupEpochs

Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1].

weightDecay?: number

Waarde van eigenschap

overgenomen vanImageModelSettings.weightDecay-