通过

你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

ImageModelDistributionSettings interface

  • 参考
包:
@azure/arm-machinelearning

用于扫描模型设置值的分布表达式。 一些示例包括：

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
All distributions can be specified as distribution_name(min, max) or choice(val1, val2, ..., valn)
where distribution name can be: uniform, quniform, loguniform, etc
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

属性

amsGradient

优化器为“adam”或“adamw”时启用 AMSGrad。
augmentations

使用扩充的设置。
beta1

优化器为“adam”或“adamw”时“beta1”的值。 必须是 [0， 1] 范围内的浮点。
beta2

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

是否使用分布式程序训练。
earlyStopping

在训练期间启用提前停止逻辑。
earlyStoppingDelay

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。
earlyStoppingPatience

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。
enableOnnxNormalization

导出 ONNX 模型时启用规范化。
evaluationFrequency

评估验证数据集以获取指标分数的频率。 必须是正整数。
gradientAccumulationStep

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。
layersToFreeze

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。
learningRate

初始学习速率。 必须是 [0， 1] 范围内的浮点。
learningRateScheduler

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

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。
momentum

优化器为“zn”时的动量值。 必须是 [0， 1] 范围内的浮点。
nesterov

优化器为“zn”时启用 nesterov。
numberOfEpochs

训练纪元数。 必须是正整数。
numberOfWorkers

数据加载程序辅助角色数。 必须是非负整数。
optimizer

优化器的类型。 必须是“zn”、“adam”或“adamw”。
randomSeed

使用确定性训练时要使用的随机种子。
stepLRGamma

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。
stepLRStepSize

学习速率计划程序为“step”时步骤大小的值。 必须是正整数。
trainingBatchSize

训练批大小。 必须是正整数。
validationBatchSize

验证批大小。 必须是正整数。
warmupCosineLRCycles

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。
warmupCosineLRWarmupEpochs

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。
weightDecay

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。

属性详细信息

amsGradient

优化器为“adam”或“adamw”时启用 AMSGrad。

amsGradient?: string

属性值

string

augmentations

使用扩充的设置。

augmentations?: string

属性值

string

beta1

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

beta1?: string

属性值

string

beta2

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

beta2?: string

属性值

string

distributed

是否使用分布式程序训练。

distributed?: string

属性值

string

earlyStopping

在训练期间启用提前停止逻辑。

earlyStopping?: string

属性值

string

earlyStoppingDelay

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。

earlyStoppingDelay?: string

属性值

string

earlyStoppingPatience

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。

earlyStoppingPatience?: string

属性值

string

enableOnnxNormalization

导出 ONNX 模型时启用规范化。

enableOnnxNormalization?: string

属性值

string

evaluationFrequency

评估验证数据集以获取指标分数的频率。 必须是正整数。

evaluationFrequency?: string

属性值

string

gradientAccumulationStep

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。

gradientAccumulationStep?: string

属性值

string

layersToFreeze

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。

layersToFreeze?: string

属性值

string

learningRate

初始学习速率。 必须是 [0， 1] 范围内的浮点。

learningRate?: string

属性值

string

learningRateScheduler

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

learningRateScheduler?: string

属性值

string

modelName

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。

modelName?: string

属性值

string

momentum

优化器为“zn”时的动量值。 必须是 [0， 1] 范围内的浮点。

momentum?: string

属性值

string

nesterov

优化器为“zn”时启用 nesterov。

nesterov?: string

属性值

string

numberOfEpochs

训练纪元数。 必须是正整数。

numberOfEpochs?: string

属性值

string

numberOfWorkers

数据加载程序辅助角色数。 必须是非负整数。

numberOfWorkers?: string

属性值

string

optimizer

优化器的类型。 必须是“zn”、“adam”或“adamw”。

optimizer?: string

属性值

string

randomSeed

使用确定性训练时要使用的随机种子。

randomSeed?: string

属性值

string

stepLRGamma

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。

stepLRGamma?: string

属性值

string

stepLRStepSize

学习速率计划程序为“step”时步骤大小的值。 必须是正整数。

stepLRStepSize?: string

属性值

string

trainingBatchSize

训练批大小。 必须是正整数。

trainingBatchSize?: string

属性值

string

validationBatchSize

验证批大小。 必须是正整数。

validationBatchSize?: string

属性值

string

warmupCosineLRCycles

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。

warmupCosineLRCycles?: string

属性值

string

warmupCosineLRWarmupEpochs

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。

warmupCosineLRWarmupEpochs?: string

属性值

string

weightDecay

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。

weightDecay?: string

属性值

string