ImageModelDistributionSettingsObjectDetection interface

الحزمة:

@azure/arm-machinelearning

تعبيرات التوزيع لمسح قيم إعدادات النموذج. <مثال> بعض الأمثلة هي:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
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.

يمتد

ImageModelDistributionSettings

الخصائص

boxDetectionsPerImage	الحد الأقصى لعدد عمليات الكشف لكل صورة، لجميع الفئات. يجب أن يكون عددا صحيحا موجبا. ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5".
boxScoreThreshold	أثناء الاستدلال، لا ترجع سوى المقترحات التي لها درجة تصنيف أكبر من BoxScoreThreshold. يجب أن يكون عائما في النطاق[0، 1].
imageSize	حجم الصورة للتدريب والتحقق من الصحة. يجب أن يكون عددا صحيحا موجبا. ملاحظة: قد يصل تشغيل التدريب إلى CUDA OOM إذا كان الحجم كبيرا جدا. ملاحظة: هذه الإعدادات مدعومة فقط لخوارزمية 'yolov5'.
maxSize	الحد الأقصى لحجم الصورة التي سيتم تغيير حجمها قبل إطعامها إلى العمود الفقري. يجب أن يكون عددا صحيحا موجبا. ملاحظة: قد يصل تشغيل التدريب إلى CUDA OOM إذا كان الحجم كبيرا جدا. ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5".
minSize	الحد الأدنى لحجم الصورة التي سيتم تغيير حجمها قبل إطعامها إلى العمود الفقري. يجب أن يكون عددا صحيحا موجبا. ملاحظة: قد يصل تشغيل التدريب إلى CUDA OOM إذا كان الحجم كبيرا جدا. ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5".
modelSize	حجم النموذج. يجب أن تكون "صغيرة" أو "متوسطة" أو "كبيرة" أو "xlarge". ملاحظة: قد يصل تشغيل التدريب إلى CUDA OOM إذا كان حجم النموذج كبيرا جدا. ملاحظة: هذه الإعدادات مدعومة فقط لخوارزمية 'yolov5'.
multiScale	تمكين صورة متعددة المقاييس من خلال تغيير حجم الصورة بمقدار +/- 50%. ملاحظة: قد يصل تشغيل التدريب إلى CUDA OOM إذا لم يكن هناك ذاكرة GPU كافية. ملاحظة: هذه الإعدادات مدعومة فقط لخوارزمية 'yolov5'.
nmsIouThreshold	عتبة IOU المستخدمة أثناء الاستدلال في معالجة ما بعد NMS. يجب أن يكون عائما في النطاق [0، 1].
tileGridSize	حجم الشبكة المراد استخدامه لتجانب كل صورة. ملاحظة: يجب ألا يكون TileGridSize بلا لتمكين منطق الكشف عن الكائنات الصغيرة. سلسلة تحتوي على عددين صحيحين بتنسيق mxn. ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5".
tileOverlapRatio	نسبة التداخل بين الإطارات المتجاورة في كل بعد. يجب أن يكون عائما في النطاق [0، 1). ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5".
tilePredictionsNmsThreshold	حد IOU لاستخدامه لتنفيذ NMS أثناء دمج التنبؤات من الإطارات المتجانبة والصورة. يستخدم في التحقق من الصحة/ الاستدلال. يجب أن يكون عائما في النطاق [0، 1]. ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5". NMS: منع غير أقصى
validationIouThreshold	عتبة IOU لاستخدامها عند قياس التحقق من صحة الحوسبة. يجب أن يكون عائما في النطاق [0، 1].
validationMetricType	أسلوب حساب القياس لاستخدامه في مقاييس التحقق من الصحة. يجب أن يكون 'none' أو 'coco' أو 'voc' أو 'coco_voc'.

الخصائص الموروثة

amsGradient	تمكين AMSGrad عندما يكون المحسن هو "آدم" أو "adamw".
augmentations	إعدادات استخدام التكبير.
beta1	قيمة 'beta1' عندما يكون المحسن هو 'آدم' أو 'adamw'. يجب أن يكون عائما في النطاق [0، 1].
beta2	قيمة 'beta2' عندما يكون المحسن هو 'آدم' أو 'adamw'. يجب أن يكون عائما في النطاق [0، 1].
distributed	ما إذا كان يجب استخدام تدريب التوزيع.
earlyStopping	تمكين منطق الإيقاف المبكر أثناء التدريب.
earlyStoppingDelay	الحد الأدنى لعدد ال epochs أو تقييمات التحقق من الصحة للانتظار قبل تتبع تحسين القياس الأساسي للتوقف المبكر. يجب أن يكون عددا صحيحا موجبا.
earlyStoppingPatience	الحد الأدنى لعدد ال epochs أو تقييمات التحقق من الصحة مع عدم وجود تحسين قياسي أساسي قبل إيقاف التشغيل. يجب أن يكون عددا صحيحا موجبا.
enableOnnxNormalization	تمكين التطبيع عند تصدير نموذج ONNX.
evaluationFrequency	تكرار تقييم مجموعة بيانات التحقق من الصحة للحصول على درجات القياس. يجب أن يكون عددا صحيحا موجبا.
gradientAccumulationStep	يعني تراكم التدرج تشغيل عدد مكون من خطوات "GradAccumulationStep" دون تحديث أوزان النموذج أثناء تجميع تدرجات تلك الخطوات، ثم استخدام التدرجات المتراكمة لحساب تحديثات الوزن. يجب أن يكون عددا صحيحا موجبا.
layersToFreeze	عدد الطبقات المراد تجميدها للنموذج. يجب أن يكون عددا صحيحا موجبا. على سبيل المثال، تمرير 2 كقيمة ل "seresnext" يعني تجميد الطبقة 0 والطبقة 1. للحصول على قائمة كاملة بالنماذج المدعومة وتفاصيل حول تجميد الطبقة، يرجى مراجعة: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	معدل التعلم الأولي. يجب أن يكون عائما في النطاق [0، 1].
learningRateScheduler	نوع جدولة معدل التعلم. يجب أن يكون "warmup_cosine" أو "خطوة".
modelName	اسم النموذج الذي يجب استخدامه للتدريب. لمزيد من المعلومات حول النماذج المتاحة، يرجى زيارة الوثائق الرسمية: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	قيمة الزخم عندما يكون المحسن هو 'sgd'. يجب أن يكون عائما في النطاق [0، 1].
nesterov	تمكين nesterov عندما يكون المحسن هو 'sgd'.
numberOfEpochs	عدد فترات التدريب. يجب أن يكون عددا صحيحا موجبا.
numberOfWorkers	عدد عمال تحميل البيانات. يجب أن يكون عددا صحيحا غير سالب.
optimizer	نوع المحسن. يجب أن يكون إما 'sgd' أو 'آدم' أو 'adamw'.
randomSeed	البذور العشوائية لاستخدامها عند استخدام التدريب المحدد.
stepLRGamma	قيمة غاما عندما يكون مجدول معدل التعلم "خطوة". يجب أن يكون عائما في النطاق [0، 1].
stepLRStepSize	قيمة حجم الخطوة عندما يكون مجدول معدل التعلم "خطوة". يجب أن يكون عددا صحيحا موجبا.
trainingBatchSize	حجم دفعة التدريب. يجب أن يكون عددا صحيحا موجبا.
validationBatchSize	حجم دفعة التحقق من الصحة. يجب أن يكون عددا صحيحا موجبا.
warmupCosineLRCycles	قيمة دورة جيب التمام عندما يكون مجدول معدل التعلم "warmup_cosine". يجب أن يكون عائما في النطاق [0، 1].
warmupCosineLRWarmupEpochs	قيمة فترات التجهيز عندما يكون مجدول معدل التعلم هو "warmup_cosine". يجب أن يكون عددا صحيحا موجبا.
weightDecay	قيمة تسوس الوزن عندما يكون المحسن هو 'sgd' أو 'adam' أو 'adamw'. يجب أن يكون عائما في النطاق[0، 1].

تفاصيل الخاصية

boxDetectionsPerImage

الحد الأقصى لعدد عمليات الكشف لكل صورة، لجميع الفئات. يجب أن يكون عددا صحيحا موجبا. ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5".

boxDetectionsPerImage?: string

قيمة الخاصية

string

boxScoreThreshold

أثناء الاستدلال، لا ترجع سوى المقترحات التي لها درجة تصنيف أكبر من BoxScoreThreshold. يجب أن يكون عائما في النطاق[0، 1].

boxScoreThreshold?: string

قيمة الخاصية

string

imageSize

حجم الصورة للتدريب والتحقق من الصحة. يجب أن يكون عددا صحيحا موجبا. ملاحظة: قد يصل تشغيل التدريب إلى CUDA OOM إذا كان الحجم كبيرا جدا. ملاحظة: هذه الإعدادات مدعومة فقط لخوارزمية 'yolov5'.

imageSize?: string

قيمة الخاصية

string

maxSize

الحد الأقصى لحجم الصورة التي سيتم تغيير حجمها قبل إطعامها إلى العمود الفقري. يجب أن يكون عددا صحيحا موجبا. ملاحظة: قد يصل تشغيل التدريب إلى CUDA OOM إذا كان الحجم كبيرا جدا. ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5".

maxSize?: string

قيمة الخاصية

string

minSize

الحد الأدنى لحجم الصورة التي سيتم تغيير حجمها قبل إطعامها إلى العمود الفقري. يجب أن يكون عددا صحيحا موجبا. ملاحظة: قد يصل تشغيل التدريب إلى CUDA OOM إذا كان الحجم كبيرا جدا. ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5".

minSize?: string

قيمة الخاصية

string

modelSize

حجم النموذج. يجب أن تكون "صغيرة" أو "متوسطة" أو "كبيرة" أو "xlarge". ملاحظة: قد يصل تشغيل التدريب إلى CUDA OOM إذا كان حجم النموذج كبيرا جدا. ملاحظة: هذه الإعدادات مدعومة فقط لخوارزمية 'yolov5'.

modelSize?: string

قيمة الخاصية

string

multiScale

تمكين صورة متعددة المقاييس من خلال تغيير حجم الصورة بمقدار +/- 50%. ملاحظة: قد يصل تشغيل التدريب إلى CUDA OOM إذا لم يكن هناك ذاكرة GPU كافية. ملاحظة: هذه الإعدادات مدعومة فقط لخوارزمية 'yolov5'.

multiScale?: string

قيمة الخاصية

string

nmsIouThreshold

عتبة IOU المستخدمة أثناء الاستدلال في معالجة ما بعد NMS. يجب أن يكون عائما في النطاق [0، 1].

nmsIouThreshold?: string

قيمة الخاصية

string

tileGridSize

حجم الشبكة المراد استخدامه لتجانب كل صورة. ملاحظة: يجب ألا يكون TileGridSize بلا لتمكين منطق الكشف عن الكائنات الصغيرة. سلسلة تحتوي على عددين صحيحين بتنسيق mxn. ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5".

tileGridSize?: string

قيمة الخاصية

string

tileOverlapRatio

نسبة التداخل بين الإطارات المتجاورة في كل بعد. يجب أن يكون عائما في النطاق [0، 1). ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5".

tileOverlapRatio?: string

قيمة الخاصية

string

tilePredictionsNmsThreshold

حد IOU لاستخدامه لتنفيذ NMS أثناء دمج التنبؤات من الإطارات المتجانبة والصورة. يستخدم في التحقق من الصحة/ الاستدلال. يجب أن يكون عائما في النطاق [0، 1]. ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5". NMS: منع غير أقصى

tilePredictionsNmsThreshold?: string

قيمة الخاصية

string

validationIouThreshold

عتبة IOU لاستخدامها عند قياس التحقق من صحة الحوسبة. يجب أن يكون عائما في النطاق [0، 1].

validationIouThreshold?: string

قيمة الخاصية

string

validationMetricType

أسلوب حساب القياس لاستخدامه في مقاييس التحقق من الصحة. يجب أن يكون 'none' أو 'coco' أو 'voc' أو 'coco_voc'.

validationMetricType?: string

قيمة الخاصية

string

تفاصيل الخاصية الموروثة

amsGradient

تمكين AMSGrad عندما يكون المحسن هو "آدم" أو "adamw".

amsGradient?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.amsGradient

augmentations

إعدادات استخدام التكبير.

augmentations?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.

beta1

قيمة 'beta1' عندما يكون المحسن هو 'آدم' أو 'adamw'. يجب أن يكون عائما في النطاق [0، 1].

beta1?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.beta1

beta2

قيمة 'beta2' عندما يكون المحسن هو 'آدم' أو 'adamw'. يجب أن يكون عائما في النطاق [0، 1].

beta2?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.beta2

distributed

ما إذا كان يجب استخدام تدريب التوزيع.

distributed?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.distributed

earlyStopping

تمكين منطق الإيقاف المبكر أثناء التدريب.

earlyStopping?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.earlyStopping

earlyStoppingDelay

الحد الأدنى لعدد ال epochs أو تقييمات التحقق من الصحة للانتظار قبل تتبع تحسين القياس الأساسي للتوقف المبكر. يجب أن يكون عددا صحيحا موجبا.

earlyStoppingDelay?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.earlyStoppingDelay

earlyStoppingPatience

الحد الأدنى لعدد ال epochs أو تقييمات التحقق من الصحة مع عدم وجود تحسين قياسي أساسي قبل إيقاف التشغيل. يجب أن يكون عددا صحيحا موجبا.

earlyStoppingPatience?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.earlyStoppingPatience

enableOnnxNormalization

تمكين التطبيع عند تصدير نموذج ONNX.

enableOnnxNormalization?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.enableOnnxNormalization

evaluationFrequency

تكرار تقييم مجموعة بيانات التحقق من الصحة للحصول على درجات القياس. يجب أن يكون عددا صحيحا موجبا.

evaluationFrequency?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.evaluationFrequency

gradientAccumulationStep

يعني تراكم التدرج تشغيل عدد مكون من خطوات "GradAccumulationStep" دون تحديث أوزان النموذج أثناء تجميع تدرجات تلك الخطوات، ثم استخدام التدرجات المتراكمة لحساب تحديثات الوزن. يجب أن يكون عددا صحيحا موجبا.

gradientAccumulationStep?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.gradientAccumulationStep

layersToFreeze

عدد الطبقات المراد تجميدها للنموذج. يجب أن يكون عددا صحيحا موجبا. على سبيل المثال، تمرير 2 كقيمة ل "seresnext" يعني تجميد الطبقة 0 والطبقة 1. للحصول على قائمة كاملة بالنماذج المدعومة وتفاصيل حول تجميد الطبقة، يرجى مراجعة: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.layersToFreeze

learningRate

معدل التعلم الأولي. يجب أن يكون عائما في النطاق [0، 1].

learningRate?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.learningRate

learningRateScheduler

نوع جدولة معدل التعلم. يجب أن يكون "warmup_cosine" أو "خطوة".

learningRateScheduler?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.learningRateScheduler

modelName

اسم النموذج الذي يجب استخدامه للتدريب. لمزيد من المعلومات حول النماذج المتاحة، يرجى زيارة الوثائق الرسمية: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.modelName

momentum

قيمة الزخم عندما يكون المحسن هو 'sgd'. يجب أن يكون عائما في النطاق [0، 1].

momentum?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.momentum

nesterov

تمكين nesterov عندما يكون المحسن هو 'sgd'.

nesterov?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.nesterov

numberOfEpochs

عدد فترات التدريب. يجب أن يكون عددا صحيحا موجبا.

numberOfEpochs?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.numberOfEpochs

numberOfWorkers

عدد عمال تحميل البيانات. يجب أن يكون عددا صحيحا غير سالب.

numberOfWorkers?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.numberOfWorkers

optimizer

نوع المحسن. يجب أن يكون إما 'sgd' أو 'آدم' أو 'adamw'.

optimizer?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.optimizer

randomSeed

البذور العشوائية لاستخدامها عند استخدام التدريب المحدد.

randomSeed?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.randomSeed

stepLRGamma

قيمة غاما عندما يكون مجدول معدل التعلم "خطوة". يجب أن يكون عائما في النطاق [0، 1].

stepLRGamma?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.stepLRGamma

stepLRStepSize

قيمة حجم الخطوة عندما يكون مجدول معدل التعلم "خطوة". يجب أن يكون عددا صحيحا موجبا.

stepLRStepSize?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.stepLRStepSize

trainingBatchSize

حجم دفعة التدريب. يجب أن يكون عددا صحيحا موجبا.

trainingBatchSize?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.trainingBatchSize

validationBatchSize

حجم دفعة التحقق من الصحة. يجب أن يكون عددا صحيحا موجبا.

validationBatchSize?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.validationBatchSize

warmupCosineLRCycles

قيمة دورة جيب التمام عندما يكون مجدول معدل التعلم "warmup_cosine". يجب أن يكون عائما في النطاق [0، 1].

warmupCosineLRCycles?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

قيمة فترات التجهيز عندما يكون مجدول معدل التعلم هو "warmup_cosine". يجب أن يكون عددا صحيحا موجبا.

warmupCosineLRWarmupEpochs?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.warmupCosineLRWarmupEpochs

weightDecay

قيمة تسوس الوزن عندما يكون المحسن هو 'sgd' أو 'adam' أو 'adamw'. يجب أن يكون عائما في النطاق[0، 1].

weightDecay?: string

قيمة الخاصية

string

موروث منImageModelDistributionSettings.weightDecay