ImageModelSettings interface

高级方案的设置。

优化器为“adam”或“adamw”时启用 AMSGrad。

使用扩充的设置。

优化器为“adam”或“adamw”时“beta1”的值。 必须是 [0， 1] 范围内的浮点。

优化器为“adam”或“adamw”时“beta2”的值。 必须是 [0， 1] 范围内的浮点。

存储模型检查点的频率。 必须是正整数。

用于增量训练的预先训练检查点模型。

上一次运行的 ID，该运行具有用于增量训练的预先训练检查点。

是否使用分布式训练。

在训练期间启用提前停止逻辑。

跟踪主要指标改进之前要等待的最小纪元或验证评估数，以便提前停止。 必须是正整数。

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。

导出 ONNX 模型时启用规范化。

评估验证数据集以获取指标分数的频率。 必须是正整数。

渐变累积意味着在不更新模型权重的情况下运行配置的“GradAccumulationStep”步骤，同时累积这些步骤的渐变，然后使用累积的渐变来计算权重更新。 必须是正整数。

要冻结模型的层数。 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。

初始学习速率。 必须是 [0， 1] 范围内的浮点。

学习速率计划程序的类型。 必须是“warmup_cosine”或“step”。

要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。

优化器为“zn”时的动量值。 必须是 [0， 1] 范围内的浮点。

优化器为“zn”时启用 nesterov。

训练纪元数。 必须是正整数。

数据加载程序辅助角色数。 必须是非负整数。

优化器的类型。

使用确定性训练时要使用的随机种子。

当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。

学习速率计划程序为“step”时步骤大小的值。 必须是正整数。

训练批大小。 必须是正整数。

验证批大小。 必须是正整数。

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。

当学习速率计划程序为“warmup_cosine”时，预热时期的值。 必须是正整数。

优化器为“zn”、“adam”或“adamw”时的权重衰减值。 必须是范围[0， 1] 中的浮点。