ImageObjectDetectionSearchSpace Osztály
Keressen helyet az AutoML-rendszerképobjektum-észlelési és a képpéldány szegmentálási feladataihoz.
- Öröklődés
-
azure.ai.ml.entities._mixins.RestTranslatableMixinImageObjectDetectionSearchSpace
Konstruktor
ImageObjectDetectionSearchSpace(*, ams_gradient: bool | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, beta1: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, beta2: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, distributed: bool | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, early_stopping: bool | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, early_stopping_delay: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, early_stopping_patience: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, enable_onnx_normalization: bool | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, evaluation_frequency: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, gradient_accumulation_step: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, layers_to_freeze: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, learning_rate: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, learning_rate_scheduler: str | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, model_name: str | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, momentum: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, nesterov: bool | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, number_of_epochs: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, number_of_workers: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, optimizer: str | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, random_seed: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, step_lr_gamma: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, step_lr_step_size: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, training_batch_size: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, validation_batch_size: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, warmup_cosine_lr_cycles: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, warmup_cosine_lr_warmup_epochs: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, weight_decay: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, box_detections_per_image: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, box_score_threshold: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, image_size: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, max_size: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, min_size: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, model_size: str | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, multi_scale: bool | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, nms_iou_threshold: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, tile_grid_size: str | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, tile_overlap_ratio: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, tile_predictions_nms_threshold: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, validation_iou_threshold: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, validation_metric_type: str | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None)
Paraméterek
- ams_gradient
- bool vagy <xref:azure.ai.ml.entities.SweepDistribution>
Engedélyezze az AMSGradet, ha az optimalizáló "adam" vagy "adamw".
- beta1
- float vagy <xref:azure.ai.ml.entities.SweepDistribution>
A "béta1" értéke, ha az optimalizáló "adam" vagy "adamw". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.
- beta2
- float vagy <xref:azure.ai.ml.entities.SweepDistribution>
A "béta2" értéke, ha az optimalizáló "adam" vagy "adamw". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.
- distributed
- bool vagy <xref:azure.ai.ml.entities.SweepDistribution>
Az elosztott betanítás használata.
- early_stopping
- bool vagy <xref:azure.ai.ml.entities.SweepDistribution>
A korai leállítási logika engedélyezése a betanítás során.
- early_stopping_delay
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
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 vagy <xref:azure.ai.ml.entities.SweepDistribution>
A futtatás leállítása előtt minimálisan hány év vagy érvényesítési értékelés történik elsődleges metrikajavítás nélkül. Pozitív egész számnak kell lennie.
- enable_onnx_normalization
- bool vagy <xref:azure.ai.ml.entities.SweepDistribution>
Engedélyezze a normalizálást az ONNX-modell exportálásakor.
- evaluation_frequency
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
Az érvényesítési adatkészlet kiértékelésének gyakorisága a metrikariaták lekéréséhez. Pozitív egész számnak kell lennie.
- gradient_accumulation_step
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
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
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
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
Kezdeti tanulási arány. A(z) [0, 1] tartományban lebegőpontosnak kell lennie. :type learning_rate: float vagy ~azure.ai.ml.entities.SweepDistribution
- learning_rate_scheduler
- str vagy <xref:azure.ai.ml.entities.SweepDistribution>
A tanulási sebességütemező típusa. Csak "warmup_cosine" vagy "lépés" lehet.
- model_name
- str vagy <xref:azure.ai.ml.entities.SweepDistribution>
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 vagy <xref:azure.ai.ml.entities.SweepDistribution>
A lendület értéke, ha az optimalizáló "sgd". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.
- nesterov
- bool vagy <xref:azure.ai.ml.entities.SweepDistribution>
Engedélyezze a nesterovot, ha az optimalizáló "sgd".
- number_of_epochs
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
A betanítási korszakok száma. Pozitív egész számnak kell lennie.
- number_of_workers
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
Adatbetöltő feldolgozók száma. Nem negatív egész számnak kell lennie.
- optimizer
- str vagy <xref:azure.ai.ml.entities.SweepDistribution>
Az optimalizáló típusa. Vagy "sgd", "adam", vagy "adamw" kell lennie.
- random_seed
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
Determinisztikus betanítás használatakor használandó véletlenszerű mag.
- step_lr_gamma
- float vagy <xref:azure.ai.ml.entities.SweepDistribution>
A gamma értéke, ha a tanulási sebességütemező "lépés". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.
- step_lr_step_size
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
A lépésméret értéke, ha a tanulási sebességütemező "lépés". Pozitív egész számnak kell lennie.
- training_batch_size
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
Betanítási köteg mérete. Pozitív egész számnak kell lennie.
- validation_batch_size
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
Érvényesítési köteg mérete. Pozitív egész számnak kell lennie.
- warmup_cosine_lr_cycles
- float vagy <xref:azure.ai.ml.entities.SweepDistribution>
A koszinuszciklus értéke, ha a tanulási sebességütemező "warmup_cosine". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.
- warmup_cosine_lr_warmup_epochs
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
A bemelegítési korszakok értéke, ha a tanulási sebességütemező "warmup_cosine". Pozitív egész számnak kell lennie.
- weight_decay
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
A súlycsökkenés értéke, ha az optimalizáló "sgd", "adam" vagy "adamw". Lebegőpontosnak kell lennie a tartományban[0, 1].
- box_detections_per_image
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
Az észlelések maximális száma képenként az összes osztály esetében. Pozitív egész számnak kell lennie. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.
- box_score_threshold
- float vagy <xref:azure.ai.ml.entities.SweepDistribution>
A következtetés során csak a BoxScoreThreshold besorolási pontszámnál nagyobb besorolási pontszámú javaslatokat ad vissza. Lebegőpontosnak kell lennie a tartományban[0, 1].
- image_size
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
Képméret betanítása és ellenőrzése. 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 betáplálta volna a gerinchez. 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. :type max_size: int vagy ~azure.ai.ml.entities.SweepDistribution
- min_size
- int vagy <xref:azure.ai.ml.entities.SweepDistribution>
Az újraskálázandó kép minimális mérete, mielőtt betáplálnák a gerinchez. 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
- str vagy <xref:azure.ai.ml.entities.SweepDistribution>
Modell mérete. Legyen "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
- bool vagy <xref:azure.ai.ml.entities.SweepDistribution>
Több léptékű kép engedélyezése a kép méretének +/- 50%-os eltérésével. Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha nincs elegendő GPU-memória. Megjegyzés: Ez a beállítás csak a "yolov5" algoritmus esetében támogatott.
- nms_iou_threshold
- float vagy <xref:azure.ai.ml.entities.SweepDistribution>
Az NMS utófeldolgozása során a következtetés során használt IOU-küszöbérték. A(z) [0, 1] tartományban kell lebegnie.
- tile_grid_size
- str vagy <xref:azure.ai.ml.entities.SweepDistribution>
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 vagy <xref:azure.ai.ml.entities.SweepDistribution>
Átfedési arány a szomszédos csempék között az egyes dimenziókban. A(z) [0, 1] tartományban kell lebegnie.
- tile_predictions_nms_threshold
- float vagy <xref:azure.ai.ml.entities.SweepDistribution>
Az NMS végrehajtásához használandó IOU-küszöbérték a csempék és a rendszerképek előrejelzéseinek egyesítése során. Ellenőrzéshez/ következtetéshez használatos. A(z) [0, 1] tartományban kell lebegnie. NMS: Nem maximális elnyomás.
- validation_iou_threshold
- float vagy <xref:azure.ai.ml.entities.SweepDistribution>
Az ellenőrzési metrikák számításához használandó IOU-küszöbérték. A(z) [0, 1] tartományban kell lebegnie.
- validation_metric_type
- str vagy <xref:azure.ai.ml.entities.SweepDistribution>
Az érvényesítési metrikákhoz használható metrikaszámítási módszer. A "nincs", a "coco", a "voc" vagy a "coco_voc" kell lennie.
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: