ImageClassificationMultilabelJob クラス
AutoML マルチラベル画像分類ジョブの構成。
新しい AutoML マルチラベル画像分類ジョブを初期化します。
- 継承
-
azure.ai.ml.entities._job.automl.image.automl_image_classification_base.AutoMLImageClassificationBaseImageClassificationMultilabelJob
コンストラクター
ImageClassificationMultilabelJob(*, primary_metric: str | ClassificationMultilabelPrimaryMetrics | None = None, **kwargs)パラメーター
- primary_metric
最適化に使用する主なメトリック
- kwargs
ジョブ固有の引数
メソッド
| dump |
ジョブの内容を YAML 形式のファイルにダンプします。 |
| extend_search_space |
AutoML 画像分類タスクと画像分類マルチラベル タスクの検索領域を追加します。 |
| set_data | |
| set_limits |
すべての AutoML Image Verticals の設定を制限します。 |
| set_sweep |
すべての AutoML Image Verticals のスイープ設定。 |
| set_training_parameters |
AutoML 画像分類および画像分類マルチラベル タスクの画像トレーニング パラメーターの設定。 |
dump
ジョブの内容を YAML 形式のファイルにダンプします。
dump(dest: str | PathLike | IO, **kwargs) -> Noneパラメーター
YAML コンテンツを書き込むローカル パスまたはファイル ストリーム。 dest がファイル パスの場合は、新しいファイルが作成されます。 dest が開いているファイルの場合、ファイルは に直接書き込まれます。
- kwargs
- dict
YAML シリアライザーに渡す追加の引数。
例外
dest がファイル パスであり、ファイルが既に存在する場合に発生します。
dest が開いているファイルで、ファイルが書き込み可能でない場合に発生します。
extend_search_space
AutoML 画像分類タスクと画像分類マルチラベル タスクの検索領域を追加します。
extend_search_space(value: SearchSpace | List[SearchSpace]) -> Noneパラメーター
パラメーター空間を検索するには、ImageClassificationSearchSpace のインスタンスまたは ImageClassificationSearchSpace のリストを指定します
例外
dest がファイル パスであり、ファイルが既に存在する場合に発生します。
dest が開いているファイルで、ファイルが書き込み可能でない場合に発生します。
set_data
set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None例外
dest がファイル パスであり、ファイルが既に存在する場合に発生します。
dest が開いているファイルで、ファイルが書き込み可能でない場合に発生します。
set_limits
すべての AutoML Image Verticals の設定を制限します。
set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> Noneパラメーター
- timeout_minutes
- timedelta
AutoML ジョブのタイムアウト。
例外
dest がファイル パスであり、ファイルが既に存在する場合に発生します。
dest が開いているファイルで、ファイルが書き込み可能でない場合に発生します。
set_sweep
すべての AutoML Image Verticals のスイープ設定。
set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> Noneパラメーター
- sampling_algorithm
必須。 [必須]ハイパーパラメーター サンプリング アルゴリズムの種類。 使用可能な値は、"Grid"、"Random"、"Bayesian" です。
- early_termination
- Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]
早期終了ポリシーの種類。
例外
dest がファイル パスであり、ファイルが既に存在する場合に発生します。
dest が開いているファイルで、ファイルが書き込み可能でない場合に発生します。
set_training_parameters
AutoML 画像分類および画像分類マルチラベル タスクの画像トレーニング パラメーターの設定。
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パラメーター
- advanced_settings
- str
高度なシナリオの設定。
- ams_gradient
- bool
オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。
- beta1
- float
オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float にする必要があります。
- beta2
- float
オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float にする必要があります。
- checkpoint_frequency
- int
モデル チェックポイントを格納する頻度。 正の整数にする必要があります。
- checkpoint_run_id
- str
増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。
- distributed
- bool
分散トレーニングを使用するかどうか。
- early_stopping
- bool
トレーニング中に早期停止ロジックを有効にします。
- early_stopping_delay
- int
プライマリ メトリックの改善が早期停止のために追跡されるまで待機するエポックまたは検証評価の最小数。 正の整数にする必要があります。
- early_stopping_patience
- int
実行が停止する前に主要なメトリックの改善がないエポックまたは検証評価の最小数。 正の整数にする必要があります。
- enable_onnx_normalization
- bool
ONNX モデルをエクスポートするときに正規化を有効にします。
- evaluation_frequency
- int
メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。
- gradient_accumulation_step
- int
グラデーションの累積とは、モデルの重みを更新せずに構成された数の "GradAccumulationStep" ステップを実行し、それらのステップのグラデーションを累積した後、累積されたグラデーションを使用して重みの更新を計算することを意味します。 正の整数にする必要があります。
- layers_to_freeze
モデルに固定するレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すと、レイヤー 0 とレイヤー 1 がフリーズします。 サポートされているモデルの完全な一覧とレイヤー固定の詳細については、 を参照してください https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters。 # pylint: disable=line-too-long
- learning_rate
- float
初期学習率。 範囲 [0, 1] の float にする必要があります。
- learning_rate_scheduler
学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 指定できる値は、"None"、"WarmupCosine"、"Step" です。
- model_name
トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
- momentum
- float
オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float にする必要があります。
- nesterov
- bool
オプティマイザーが 'sgd' の場合に nesterov を有効にします。
- number_of_epochs
- int
トレーニング エポックの数。 正の整数にする必要があります。
- number_of_workers
- int
データ ローダー ワーカーの数。 負以外の整数である必要があります。
- optimizer
オプティマイザーの種類。 使用できる値は、"None"、"Sgd"、"Adam"、"Adamw" です。
- random_seed
- int
決定論的トレーニングを使用するときに使用されるランダム シード。
- step_lr_gamma
- float
学習率スケジューラが "ステップ" の場合のガンマの値。 範囲 [0, 1] の float にする必要があります。
- step_lr_step_size
- int
学習率スケジューラが 'step' の場合のステップ サイズの値。 正の整数にする必要があります。
- training_batch_size
- int
トレーニング バッチ サイズ。 正の整数にする必要があります。
- validation_batch_size
- int
検証バッチ サイズ。 正の整数にする必要があります。
- warmup_cosine_lr_cycles
- float
学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float にする必要があります。
- warmup_cosine_lr_warmup_epochs
- int
学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。
- weight_decay
- float
オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。
- training_crop_size
- int
トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。
- validation_crop_size
- int
検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。
- validation_resize_size
- int
検証データセット用にトリミングする前のサイズ変更先の画像のサイズ。 正の整数にする必要があります。
- weighted_loss
- int
加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weights による重み付き損失の場合は 2。 0 または 1 または 2 にする必要があります。
例外
dest がファイル パスであり、ファイルが既に存在する場合に発生します。
dest が開いているファイルで、ファイルが書き込み可能でない場合に発生します。
属性
base_path
creation_context
id
inputs
limits
log_files
log_verbosity
outputs
primary_metric
search_space
status
ジョブの状態。
一般的には "Running"、"Completed"、"Failed" などの値が返されます。 使用可能なすべての値は次のとおりです。
NotStarted - これは、クラウドの送信前にクライアント側の Run オブジェクトが存在する一時的な状態です。
Starting - クラウドで Run が処理され始めています。 この時点で、呼び出し元に実行 ID があります。
プロビジョニング - 特定のジョブの送信に対してオンデマンド コンピューティングが作成されています。
準備中 - 実行環境は準備中であり、次の 2 つの段階のいずれかにあります。
Docker イメージのビルド
Conda 環境のセットアップ
Queued - ジョブはコンピューティング先でキューに入れられます。 たとえば、BatchAI では、ジョブはキューに入った状態です
要求されたノードの準備が整うのを待機しています。
実行中 - コンピューティング 先でジョブの実行が開始されました。
最終処理 - ユーザー コードの実行が完了し、実行は後処理段階にあります。
CancelRequested - ジョブに対してキャンセルが要求されました。
完了 - 実行が正常に完了しました。 これには、ユーザー コードの実行と実行の両方が含まれます
後処理のステージ。
Failed - 実行に失敗しました。 通常は実行の Error プロパティで、理由に関する詳細が提供されます。
Canceled - キャンセル要求に従い、実行が現在正常にキャンセルされたことを示します。
NotResponding - ハートビートが有効になっている実行の場合、最近ハートビートが送信されていません。
戻り値
ジョブの状態。
の戻り値の型 :
studio_url
sweep
task_type
test_data
training_data
training_parameters
type
validation_data
Azure SDK for Python