ImageModelSettingsClassification 클래스
AutoML 이미지 분류 작업에 대한 모델 설정입니다.
- 상속
-
azure.ai.ml.entities._job.automl.image.image_model_settings.ImageModelDistributionSettingsImageModelSettingsClassification
생성자
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)
매개 변수
- early_stopping_delay
- int
초기 중지를 위해 기본 메트릭 개선이 추적되기 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가입니다. 양의 정수여야 합니다.
- gradient_accumulation_step
- int
그라데이션 누적은 해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트하지 않고 구성된 수의 "GradAccumulationStep" 단계를 실행한 다음 누적 그라데이션을 사용하여 가중치 업데이트를 계산하는 것을 의미합니다. 양의 정수여야 합니다.
- layers_to_freeze
- int
모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어 2를 'seresnext'의 값으로 전달하면 layer0 및 layer1이 동결됩니다. 지원되는 모델의 전체 목록과 계층 고정에 대한 자세한 내용은 을 참조 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models하세요.
- learning_rate_scheduler
- str 또는 LearningRateScheduler
학습률 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다. 가능한 값은 "None", "WarmupCosine", "Step"입니다.
- model_name
- str
학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 설명서 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models를 참조하세요.
- optimizer
- str 또는 StochasticOptimizer
최적화 프로그램의 유형입니다. 가능한 값으로는 "None", "Sgd", "Adam", "Adamw"가 있습니다.
- warmup_cosine_lr_cycles
- float
학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
- weighted_loss
- int
가중치 손실. 허용되는 값은 가중치 손실 없이 0입니다. sqrt를 사용하여 가중치가 있는 손실의 경우 1. (class_weights). class_weights를 사용한 가중 손실의 경우 2입니다. 0 또는 1 또는 2여야 합니다.
Azure SDK for Python