ImageModelSettings interface
الإعدادات المستخدمة لتدريب النموذج. لمزيد من المعلومات حول الإعدادات المتاحة، يرجى زيارة الوثائق الرسمية: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
الخصائص
| advanced |
إعدادات السيناريوهات المتقدمة. |
| ams |
تمكين AMSGrad عندما يكون المحسن هو "آدم" أو "adamw". |
| augmentations | إعدادات استخدام التكبير. |
| beta1 | قيمة 'beta1' عندما يكون المحسن هو 'آدم' أو 'adamw'. يجب أن يكون عائما في النطاق [0، 1]. |
| beta2 | قيمة 'beta2' عندما يكون المحسن هو 'آدم' أو 'adamw'. يجب أن يكون عائما في النطاق [0، 1]. |
| checkpoint |
تكرار تخزين نقاط التحقق النموذجية. يجب أن يكون عددا صحيحا موجبا. |
| checkpoint |
نموذج نقطة التحقق المدرب مسبقا للتدريب المتزايد. |
| checkpoint |
معرف التشغيل السابق الذي يحتوي على نقطة تحقق مدربة مسبقا للتدريب المتزايد. |
| distributed | ما إذا كان يجب استخدام التدريب الموزع. |
| early |
تمكين منطق الإيقاف المبكر أثناء التدريب. |
| early |
الحد الأدنى لعدد الفترات أو تقييمات التحقق التي يجب الانتظار قبل تتبع تحسين المقياس الأساسي للتوقف المبكر. يجب أن يكون عددا صحيحا موجبا. |
| early |
الحد الأدنى لعدد الفترات أو تقييمات التحقق دون أي تحسين للمقياس الأساسي قبل إيقاف التشغيل. يجب أن يكون عددا صحيحا موجبا. |
| enable |
تمكين التطبيع عند تصدير نموذج ONNX. |
| evaluation |
تكرار تقييم مجموعة بيانات التحقق من الصحة للحصول على درجات القياس. يجب أن يكون عددا صحيحا موجبا. |
| gradient |
تراكم التدرج يعني تشغيل عدد معين من خطوات "خطوة التراكم" دون تحديث أوزان النماذج أثناء تراكم تدرجات تلك الخطوات، ثم استخدام التدرجات المتراكمة لحساب تحديثات الأوزان. يجب أن يكون عددا صحيحا موجبا. |
| layers |
عدد الطبقات المراد تجميدها للنموذج. يجب أن يكون عددا صحيحا موجبا. على سبيل المثال، تمرير 2 كقيمة ل 'seresnext' يعني تجميد الطبقة 0 والطبقة 1. للحصول على القائمة الكاملة للنماذج المدعومة وتفاصيل حول تجميد الطبقات، يرجى الاطلاع على: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. |
| learning |
معدل التعلم الأولي. يجب أن يكون عائما في النطاق [0، 1]. |
| learning |
جدولة معدلات التعلم enum. |
| model |
اسم النموذج الذي يجب استخدامه للتدريب. لمزيد من المعلومات حول النماذج المتاحة، يرجى زيارة الوثائق الرسمية: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. |
| momentum | قيمة الزخم عندما يكون المحسن هو 'sgd'. يجب أن يكون عائما في النطاق [0، 1]. |
| nesterov | تمكين nesterov عندما يكون المحسن هو 'sgd'. |
| number |
عدد فترات التدريب. يجب أن يكون عددا صحيحا موجبا. |
| number |
عدد عمال تحميل البيانات. يجب أن يكون عددا صحيحا غير سالب. |
| optimizer | محسن عشوائي لنماذج الصور. |
| random |
البذور العشوائية لاستخدامها عند استخدام التدريب المحدد. |
| step |
قيمة غاما عندما يكون مجدول معدل التعلم "خطوة". يجب أن يكون عائما في النطاق [0، 1]. |
| step |
قيمة حجم الخطوة عندما يكون مجدول معدل التعلم "خطوة". يجب أن يكون عددا صحيحا موجبا. |
| training |
حجم دفعة التدريب. يجب أن يكون عددا صحيحا موجبا. |
| validation |
حجم دفعة التحقق من الصحة. يجب أن يكون عددا صحيحا موجبا. |
| warmup |
قيمة دورة جيب التمام عندما يكون مجدول معدل التعلم "warmup_cosine". يجب أن يكون عائما في النطاق [0، 1]. |
| warmup |
قيمة فترات التجهيز عندما يكون مجدول معدل التعلم هو "warmup_cosine". يجب أن يكون عددا صحيحا موجبا. |
| weight |
قيمة تسوس الوزن عندما يكون المحسن هو 'sgd' أو 'adam' أو 'adamw'. يجب أن يكون عائما في النطاق[0، 1]. |
تفاصيل الخاصية
advancedSettings
إعدادات السيناريوهات المتقدمة.
advancedSettings?: stringقيمة الخاصية
string
amsGradient
تمكين AMSGrad عندما يكون المحسن هو "آدم" أو "adamw".
amsGradient?: booleanقيمة الخاصية
boolean
augmentations
إعدادات استخدام التكبير.
augmentations?: stringقيمة الخاصية
string
beta1
قيمة 'beta1' عندما يكون المحسن هو 'آدم' أو 'adamw'. يجب أن يكون عائما في النطاق [0، 1].
beta1?: numberقيمة الخاصية
number
beta2
قيمة 'beta2' عندما يكون المحسن هو 'آدم' أو 'adamw'. يجب أن يكون عائما في النطاق [0، 1].
beta2?: numberقيمة الخاصية
number
checkpointFrequency
تكرار تخزين نقاط التحقق النموذجية. يجب أن يكون عددا صحيحا موجبا.
checkpointFrequency?: numberقيمة الخاصية
number
checkpointModel
نموذج نقطة التحقق المدرب مسبقا للتدريب المتزايد.
checkpointModel?: MLFlowModelJobInputقيمة الخاصية
checkpointRunId
معرف التشغيل السابق الذي يحتوي على نقطة تحقق مدربة مسبقا للتدريب المتزايد.
checkpointRunId?: stringقيمة الخاصية
string
distributed
ما إذا كان يجب استخدام التدريب الموزع.
distributed?: booleanقيمة الخاصية
boolean
earlyStopping
تمكين منطق الإيقاف المبكر أثناء التدريب.
earlyStopping?: booleanقيمة الخاصية
boolean
earlyStoppingDelay
الحد الأدنى لعدد الفترات أو تقييمات التحقق التي يجب الانتظار قبل تتبع تحسين المقياس الأساسي للتوقف المبكر. يجب أن يكون عددا صحيحا موجبا.
earlyStoppingDelay?: numberقيمة الخاصية
number
earlyStoppingPatience
الحد الأدنى لعدد الفترات أو تقييمات التحقق دون أي تحسين للمقياس الأساسي قبل إيقاف التشغيل. يجب أن يكون عددا صحيحا موجبا.
earlyStoppingPatience?: numberقيمة الخاصية
number
enableOnnxNormalization
تمكين التطبيع عند تصدير نموذج ONNX.
enableOnnxNormalization?: booleanقيمة الخاصية
boolean
evaluationFrequency
تكرار تقييم مجموعة بيانات التحقق من الصحة للحصول على درجات القياس. يجب أن يكون عددا صحيحا موجبا.
evaluationFrequency?: numberقيمة الخاصية
number
gradientAccumulationStep
تراكم التدرج يعني تشغيل عدد معين من خطوات "خطوة التراكم" دون تحديث أوزان النماذج أثناء تراكم تدرجات تلك الخطوات، ثم استخدام التدرجات المتراكمة لحساب تحديثات الأوزان. يجب أن يكون عددا صحيحا موجبا.
gradientAccumulationStep?: numberقيمة الخاصية
number
layersToFreeze
عدد الطبقات المراد تجميدها للنموذج. يجب أن يكون عددا صحيحا موجبا. على سبيل المثال، تمرير 2 كقيمة ل 'seresnext' يعني تجميد الطبقة 0 والطبقة 1. للحصول على القائمة الكاملة للنماذج المدعومة وتفاصيل حول تجميد الطبقات، يرجى الاطلاع على: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
layersToFreeze?: numberقيمة الخاصية
number
learningRate
معدل التعلم الأولي. يجب أن يكون عائما في النطاق [0، 1].
learningRate?: numberقيمة الخاصية
number
learningRateScheduler
جدولة معدلات التعلم enum.
learningRateScheduler?: stringقيمة الخاصية
string
modelName
اسم النموذج الذي يجب استخدامه للتدريب. لمزيد من المعلومات حول النماذج المتاحة، يرجى زيارة الوثائق الرسمية: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
modelName?: stringقيمة الخاصية
string
momentum
قيمة الزخم عندما يكون المحسن هو 'sgd'. يجب أن يكون عائما في النطاق [0، 1].
momentum?: numberقيمة الخاصية
number
nesterov
تمكين nesterov عندما يكون المحسن هو 'sgd'.
nesterov?: booleanقيمة الخاصية
boolean
numberOfEpochs
عدد فترات التدريب. يجب أن يكون عددا صحيحا موجبا.
numberOfEpochs?: numberقيمة الخاصية
number
numberOfWorkers
عدد عمال تحميل البيانات. يجب أن يكون عددا صحيحا غير سالب.
numberOfWorkers?: numberقيمة الخاصية
number
optimizer
محسن عشوائي لنماذج الصور.
optimizer?: stringقيمة الخاصية
string
randomSeed
البذور العشوائية لاستخدامها عند استخدام التدريب المحدد.
randomSeed?: numberقيمة الخاصية
number
stepLRGamma
قيمة غاما عندما يكون مجدول معدل التعلم "خطوة". يجب أن يكون عائما في النطاق [0، 1].
stepLRGamma?: numberقيمة الخاصية
number
stepLRStepSize
قيمة حجم الخطوة عندما يكون مجدول معدل التعلم "خطوة". يجب أن يكون عددا صحيحا موجبا.
stepLRStepSize?: numberقيمة الخاصية
number
trainingBatchSize
حجم دفعة التدريب. يجب أن يكون عددا صحيحا موجبا.
trainingBatchSize?: numberقيمة الخاصية
number
validationBatchSize
حجم دفعة التحقق من الصحة. يجب أن يكون عددا صحيحا موجبا.
validationBatchSize?: numberقيمة الخاصية
number
warmupCosineLRCycles
قيمة دورة جيب التمام عندما يكون مجدول معدل التعلم "warmup_cosine". يجب أن يكون عائما في النطاق [0، 1].
warmupCosineLRCycles?: numberقيمة الخاصية
number
warmupCosineLRWarmupEpochs
قيمة فترات التجهيز عندما يكون مجدول معدل التعلم هو "warmup_cosine". يجب أن يكون عددا صحيحا موجبا.
warmupCosineLRWarmupEpochs?: numberقيمة الخاصية
number
weightDecay
قيمة تسوس الوزن عندما يكون المحسن هو 'sgd' أو 'adam' أو 'adamw'. يجب أن يكون عائما في النطاق[0، 1].
weightDecay?: numberقيمة الخاصية
number
