ImageObjectDetectionJob Osztály
Az AutoML-lemezképobjektum-észlelési feladat konfigurációja.
Inicializáljon egy új AutoML-képobjektum-észlelési feladatot.
- Öröklődés
-
azure.ai.ml.entities._job.automl.image.automl_image_object_detection_base.AutoMLImageObjectDetectionBaseImageObjectDetectionJob
Konstruktor
ImageObjectDetectionJob(*, primary_metric: str | ObjectDetectionPrimaryMetrics | None = None, **kwargs)
Paraméterek
- primary_metric
Az optimalizáláshoz használandó elsődleges metrika
- kwargs
Feladatspecifikus argumentumok
Metódusok
dump |
A feladat tartalmát YAML formátumban egy fájlba alakítja. |
extend_search_space |
Adjon hozzá keresési helyet az AutoML-rendszerképobjektum-észlelési és képpéldány-szegmentálási feladatokhoz. |
set_data | |
set_limits |
Az AutoML-kép függőleges beállításainak korlátozása. |
set_sweep |
Az AutoML-rendszerkép-függőlegesek takarítási beállításai. |
set_training_parameters |
Képbetanítási paraméterek beállítása az AutoML képobjektum-észlelési és képpéldány-szegmentálási feladatokhoz. |
dump
A feladat tartalmát YAML formátumban egy fájlba alakítja.
dump(dest: str | PathLike | IO, **kwargs) -> None
Paraméterek
A YAML-tartalom írásához használt helyi elérési út vagy fájlstream. Ha a dest fájlelérési út, a rendszer új fájlt hoz létre. Ha a dest egy megnyitott fájl, a fájl közvetlenül a fájlba lesz írva.
- kwargs
- dict
A YAML szerializálónak továbbadandó további argumentumok.
Kivételek
Ha a dest fájlelérési út, a fájl már létezik.
Fel van emelve, ha a dest egy nyitott fájl, és a fájl nem írható.
extend_search_space
Adjon hozzá keresési helyet az AutoML-rendszerképobjektum-észlelési és képpéldány-szegmentálási feladatokhoz.
extend_search_space(value: SearchSpace | List[SearchSpace]) -> None
Paraméterek
Kivételek
Ha a dest fájlelérési út, a fájl már létezik.
Fel van emelve, ha a dest egy nyitott fájl, és a fájl nem írható.
set_data
set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None
Kivételek
Ha a dest fájlelérési út, a fájl már létezik.
Fel van emelve, ha a dest egy nyitott fájl, és a fájl nem írható.
set_limits
Az AutoML-kép függőleges beállításainak korlátozása.
set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> None
Paraméterek
- timeout_minutes
- timedelta
AutoML-feladat időtúllépése.
Kivételek
Ha a dest fájlelérési út, a fájl már létezik.
Fel van emelve, ha a dest egy nyitott fájl, és a fájl nem írható.
set_sweep
Az AutoML-rendszerkép-függőlegesek takarítási beállításai.
set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> None
Paraméterek
- sampling_algorithm
Kötelező. [Kötelező] A hiperparaméteres mintavételezési algoritmusok típusa. Lehetséges értékek: "Grid", "Random", "Bayesian".
- early_termination
- Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]
A korai felmondási szabályzat típusa.
Kivételek
Ha a dest fájlelérési út, a fájl már létezik.
Fel van emelve, ha a dest egy nyitott fájl, és a fájl nem írható.
set_training_parameters
Képbetanítási paraméterek beállítása az AutoML képobjektum-észlelési és képpéldány-szegmentálási feladatokhoz.
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, box_detections_per_image: int | None = None, box_score_threshold: float | None = None, image_size: int | None = None, max_size: int | None = None, min_size: int | None = None, model_size: str | ModelSize | None = None, multi_scale: bool | None = None, nms_iou_threshold: float | None = None, tile_grid_size: str | None = None, tile_overlap_ratio: float | None = None, tile_predictions_nms_threshold: float | None = None, validation_iou_threshold: float | None = None, validation_metric_type: str | ValidationMetricType | None = None, log_training_metrics: str | LogTrainingMetrics | None = None, log_validation_loss: str | LogValidationLoss | None = None) -> None
Paraméterek
- advanced_settings
- str
Speciális forgatókönyvek beállításai.
- ams_gradient
- bool
Engedélyezze az AMSGradet, ha az optimalizáló "adam" vagy "adamw".
- beta1
- float
A "béta1" értéke, ha az optimalizáló "adam" vagy "adamw". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.
- beta2
- float
A "béta2" értéke, ha az optimalizáló "adam" vagy "adamw". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.
- checkpoint_frequency
- int
Modell ellenőrzőpontok tárolásának gyakorisága. Pozitív egész számnak kell lennie.
- checkpoint_run_id
- str
Egy korábbi futtatás azonosítója, amely előre betanított ellenőrzőponttal rendelkezik a növekményes betanításhoz.
- distributed
- bool
Elosztott betanítás használata.
- early_stopping
- bool
A korai leállítási logika engedélyezése a betanítás során.
- early_stopping_delay
- int
Az elsődleges metrikafejlesztés nyomon követése előtt a korai leállításhoz minimálisan meg kell várni az elődök vagy az érvényesítési értékelések minimális számát. Pozitív egész számnak kell lennie.
- early_stopping_patience
- int
A futtatás leállítása előtt minimálisan hány év vagy érvényesítési értékelés történik elsődleges metrikajavítás nélkül. Pozitív egész számnak kell lennie.
- enable_onnx_normalization
- bool
Engedélyezze a normalizálást az ONNX-modell exportálásakor.
- evaluation_frequency
- int
Az érvényesítési adatkészlet kiértékelésének gyakorisága a metrikariaták lekéréséhez. Pozitív egész számnak kell lennie.
- gradient_accumulation_step
- int
A színátmenetek felhalmozódása azt jelenti, hogy konfigurált számú "GradAccumulationStep" lépést futtat anélkül, hogy frissítenék a modell súlyait, miközben a lépések színátmeneteit összeadják, majd a halmozott színátmenetek használatával kiszámítják a súlyfrissítéseket. Pozitív egész számnak kell lennie.
- layers_to_freeze
A modellhez rögzítendő rétegek száma. Pozitív egész számnak kell lennie. A 2 értéknek a "seresnext" értékként való átadása például a 0. réteg és az 1. réteg fagyasztását jelenti. A támogatott modellek teljes listájáért és a rétegfagyasztás részleteiért lásd: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long
- learning_rate
- float
Kezdeti tanulási arány. A(z) [0, 1] tartományban lebegőpontosnak kell lennie.
- learning_rate_scheduler
A tanulási sebességütemező típusa. Csak "warmup_cosine" vagy "lépés" lehet. Lehetséges értékek: "Nincs", "WarmupCosine", "Step".
- model_name
A betanításhoz használni kívánt modell neve. Az elérhető modellekkel kapcsolatos további információkért tekintse meg a hivatalos dokumentációt: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
- momentum
- float
A lendület értéke, ha az optimalizáló "sgd". A(z) [0, 1] tartományban lebegő lebegőpontosnak kell lennie.
- nesterov
- bool
Engedélyezze a nesterovot, ha az optimalizáló "sgd".
- number_of_epochs
- int
A betanítási alapidőszakok száma. Pozitív egész számnak kell lennie.
- number_of_workers
- int
Adatbetöltő feldolgozók száma. Nem negatív egész számnak kell lennie.
- optimizer
Az optimalizáló típusa. Lehetséges értékek: "None", "Sgd", "Adam", "Adamw".
- random_seed
- int
Determinisztikus betanításhoz használandó véletlenszerű mag.
- step_lr_gamma
- float
A gamma értéke, ha a tanulási sebességütemező "lépés". A(z) [0, 1] tartományban lebegő lebegőpontosnak kell lennie.
- step_lr_step_size
- int
A lépésméret értéke, ha a tanulási sebességütemező "lépés". Pozitív egész számnak kell lennie.
- training_batch_size
- int
Betanítási köteg mérete. Pozitív egész számnak kell lennie.
- validation_batch_size
- int
Érvényesítési köteg mérete. Pozitív egész számnak kell lennie.
- warmup_cosine_lr_cycles
- float
A koszinuszciklus értéke, ha a tanulási sebességütemező "warmup_cosine". A(z) [0, 1] tartományban lebegő lebegőpontosnak kell lennie.
- warmup_cosine_lr_warmup_epochs
- int
A bemelegítési alapidőszakok értéke, ha a tanulási sebességütemező "warmup_cosine". Pozitív egész számnak kell lennie.
- weight_decay
- float
A súlyromlás értéke, ha az optimalizáló "sgd", "adam" vagy "adamw". A(z) [0, 1] tartományban lebegő lebegőpontosnak kell lennie.
- box_detections_per_image
Az észlelések maximális száma képenként az összes osztályhoz. Pozitív egész számnak kell lennie. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.
- box_score_threshold
- float
A következtetés során csak olyan javaslatokat ad vissza, amelyek besorolási pontszáma nagyobb, mint a BoxScoreThreshold. A(z) [0, 1] tartományban lebegő lebegőpontosnak kell lennie.
- image_size
Képméret betanításhoz és ellenőrzéshez. Pozitív egész számnak kell lennie. Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a méret túl nagy. Megjegyzés: Ez a beállítás csak a "yolov5" algoritmus esetében támogatott.
- max_size
Az újraskálázandó kép maximális mérete, mielőtt a gerinchez adnák. Pozitív egész számnak kell lennie. Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a méret túl nagy. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.
- min_size
Az újraskálázandó kép minimális mérete, mielőtt a gerinchez eteti. Pozitív egész számnak kell lennie. Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a méret túl nagy. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.
- model_size
Modell mérete. A következőknek kell lenniük: "kicsi", "közepes", "nagy" vagy "extra_large". Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a modell mérete túl nagy. Megjegyzés: Ez a beállítás csak a "yolov5" algoritmus esetében támogatott.
- multi_scale
Több léptékű rendszerkép engedélyezése a kép méretének +/- 50%-os eltérésével. Megjegyzés: A betanítási futtatás akkor kerülhet be a CUDA OOM-ba, ha nincs elegendő GPU-memória. Megjegyzés: Ez a beállítás csak a "yolov5" algoritmus esetében támogatott.
- nms_iou_threshold
- float
Az NMS utófeldolgozása során a következtetés során használt IOU-küszöbérték. A(z) [0, 1] tartományban kell lebegnie.
- tile_grid_size
Az egyes képek burkolásához használandó rácsméret. Megjegyzés: A TileGridSize nem lehet Nincs a kis objektumészlelési logika engedélyezéséhez. Két egész számot tartalmazó sztring mxn formátumban.
- tile_overlap_ratio
- float
Átfedési arány az egyes dimenziók szomszédos csempéi között. A(z) [0, 1] tartományban kell lebegnie.
- tile_predictions_nms_threshold
Az NMS végrehajtásához használandó IOU-küszöbérték csempékből és képekből származó előrejelzések egyesítése során. Az ellenőrzéshez/következtetéshez használatos. A(z) [0, 1] tartományban kell lebegnie. NMS: Nem maximális elnyomás.
- validation_iou_threshold
- float
Az érvényesítési metrikák kiszámításához használandó IOU-küszöbérték. A(z) [0, 1] tartományban kell lebegnie.
- validation_metric_type
- str vagy ValidationMetricType
Az érvényesítési metrikákhoz használandó metrikaszámítási módszer. A "none", a "coco", a "voc" vagy a "coco_voc" értéknek kell lennie.
- log_training_metrics
- str vagy <xref:azure.mgmt.machinelearningservices.models.LogTrainingMetrics>
azt jelzi, hogy naplózza-e a betanítási metrikákat. Az "Engedélyezés" vagy a "Letiltás" beállításnak kell lennie
- log_validation_loss
- str vagy <xref:azure.mgmt.machinelearningservices.models.LogValidationLoss>
azt jelzi, hogy naplózza-e az érvényesítési veszteséget. Az "Engedélyezés" vagy a "Letiltás" beállításnak kell lennie
Kivételek
Ha a dest fájlelérési út, a fájl már létezik.
Fel van emelve, ha a dest egy nyitott fájl, és a fájl nem írható.
Attribútumok
base_path
creation_context
Az erőforrás létrehozási környezete.
Válaszok
Az erőforrás létrehozási metaadatai.
Visszatérési típus
id
Az erőforrás azonosítója.
Válaszok
Az erőforrás globális azonosítója, egy Azure Resource Manager (ARM) azonosító.
Visszatérési típus
inputs
limits
log_files
Feladat kimeneti fájljai.
Válaszok
A naplónevek és URL-címek szótára.
Visszatérési típus
log_verbosity
outputs
primary_metric
search_space
status
A feladat állapota.
A visszaadott gyakori értékek közé tartozik a "Futtatás", a "Kész" és a "Sikertelen". Minden lehetséges érték a következő:
NotStarted – Ez egy ideiglenes állapot, amelyben az ügyféloldali Run objektumok a felhőbeküldés előtt találhatók.
Indítás – A futtatás elkezdődött a felhőben való feldolgozásnak. A hívó ezen a ponton futtatási azonosítóval rendelkezik.
Kiépítés – Igény szerinti számítás jön létre egy adott feladatbeküldéshez.
Előkészítés – A futtató környezet előkészítése folyamatban van, és két fázis egyikében van:
Docker-rendszerkép buildelése
conda-környezet beállítása
Queued – A feladat várólistára kerül a számítási célon. A BatchAI-ban például a feladat várólistán van
amíg az összes kért csomópont készen áll.
Futtatás – A feladat elkezdett futni a számítási célon.
Véglegesítés – A felhasználói kód végrehajtása befejeződött, és a futtatás a feldolgozás utáni fázisban van.
CancelRequested – A feladat lemondását kérték.
Befejeződött – A futtatás sikeresen befejeződött. Ez magában foglalja a felhasználói kód végrehajtását és a futtatást is
utófeldolgozási fázisok.
Sikertelen – A futtatás sikertelen volt. Általában a Futtatás hiba tulajdonsága adja meg a részleteket, hogy miért.
Megszakítva – Egy lemondási kérést követ, és azt jelzi, hogy a futtatás sikeresen megszakadt.
NotKiszolgáló – Azon futtatások esetében, amelyeken engedélyezve van a szívverés, a rendszer nem küldött szívverést a közelmúltban.
Válaszok
A feladat állapota.
Visszatérési típus
studio_url
Azure ML Studio-végpont.
Válaszok
A feladat részletei lap URL-címe.
Visszatérési típus
sweep
task_type
Feladattípus lekérése.
Válaszok
A futtatandó feladat típusa. Lehetséges értékek: "besorolás", "regresszió", "előrejelzés".
Visszatérési típus
test_data
training_data
training_parameters
type
validation_data
Azure SDK for Python
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: