ImageObjectDetectionSearchSpace Osztály

Keressen helyet az AutoML-rendszerképobjektum-észlelési és a képpéldány szegmentálási feladataihoz.

Öröklődés

azure.ai.ml.entities._mixins.RestTranslatableMixin

ImageObjectDetectionSearchSpace

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>

Kötelező

Engedélyezze az AMSGradet, ha az optimalizáló "adam" vagy "adamw".

beta1

float vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

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>

Kötelező

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>

Kötelező

Az elosztott betanítás használata.

early_stopping

bool vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

A korai leállítási logika engedélyezése a betanítás során.

early_stopping_delay

int vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

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>

Kötelező

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>

Kötelező

Engedélyezze a normalizálást az ONNX-modell exportálásakor.

evaluation_frequency

int vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

Az érvényesítési adatkészlet kiértékelésének gyakorisága a metrikariaták lekéréséhez. Pozitív egész számnak kell lennie.

gradient_accumulation_step

int vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

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>

Kötelező

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

Kötelező

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>

Kötelező

A tanulási sebességütemező típusa. Csak "warmup_cosine" vagy "lépés" lehet.

model_name

str vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

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>

Kötelező

A lendület értéke, ha az optimalizáló "sgd". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.

nesterov

bool vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

Engedélyezze a nesterovot, ha az optimalizáló "sgd".

number_of_epochs

int vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

A betanítási korszakok száma. Pozitív egész számnak kell lennie.

number_of_workers

int vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

Adatbetöltő feldolgozók száma. Nem negatív egész számnak kell lennie.

optimizer

str vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

Az optimalizáló típusa. Vagy "sgd", "adam", vagy "adamw" kell lennie.

random_seed

int vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

Determinisztikus betanítás használatakor használandó véletlenszerű mag.

step_lr_gamma

float vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

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>

Kötelező

A lépésméret értéke, ha a tanulási sebességütemező "lépés". Pozitív egész számnak kell lennie.

training_batch_size

int vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

Betanítási köteg mérete. Pozitív egész számnak kell lennie.

validation_batch_size

int vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

Érvényesítési köteg mérete. Pozitív egész számnak kell lennie.

warmup_cosine_lr_cycles

float vagy <xref:azure.ai.ml.entities.SweepDistribution>

Kötelező

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>

Kötelező

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>

Kötelező

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>

Kötelező

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>

Kötelező

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>

Kötelező

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

Kötelező

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>

Kötelező

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>

Kötelező

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>

Kötelező

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>

Kötelező

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>

Kötelező

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>

Kötelező

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>

Kötelező

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>

Kötelező

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>

Kötelező

Az érvényesítési metrikákhoz használható metrikaszámítási módszer. A "nincs", a "coco", a "voc" vagy a "coco_voc" kell lennie.