ImageModelSettingsObjectDetection interface

الحزمة:

@azure/arm-machinelearning

الإعدادات المستخدمة لتدريب النموذج. لمزيد من المعلومات حول الإعدادات المتوفرة، يرجى زيارة الوثائق الرسمية: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

يمتد

ImageModelSettings

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".
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.

الخصائص الموروثة

advancedSettings	إعدادات السيناريوهات المتقدمة.
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].
checkpointFrequency	تكرار تخزين نقاط التحقق النموذجية. يجب أن يكون عددا صحيحا موجبا.
checkpointModel	نموذج نقطة التحقق المدرب مسبقا للتدريب المتزايد.
checkpointRunId	معرف التشغيل السابق الذي يحتوي على نقطة تحقق مدربة مسبقا للتدريب المتزايد.
distributed	ما إذا كان يجب استخدام التدريب الموزع.
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.
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?: number

قيمة الخاصية

number

boxScoreThreshold

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

boxScoreThreshold?: number

قيمة الخاصية

number

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?: number

قيمة الخاصية

number

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?: number

قيمة الخاصية

number

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?: number

قيمة الخاصية

number

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?: boolean

قيمة الخاصية

boolean

nmsIouThreshold

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

nmsIouThreshold?: number

قيمة الخاصية

number

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?: number

قيمة الخاصية

number

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".

tilePredictionsNmsThreshold?: number

قيمة الخاصية

number

validationIouThreshold

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

validationIouThreshold?: number

قيمة الخاصية

number

validationMetricType

أسلوب حساب القياس لاستخدامه في مقاييس التحقق من الصحة.

validationMetricType?: string

قيمة الخاصية

string

تفاصيل الخاصية الموروثة

advancedSettings

إعدادات السيناريوهات المتقدمة.

advancedSettings?: string

قيمة الخاصية

string

موروث منImageModelSettings.advancedSettings

amsGradient

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

amsGradient?: boolean

قيمة الخاصية

boolean

موروث منImageModelSettings.amsGradient

augmentations

إعدادات استخدام التكبير.

augmentations?: string

قيمة الخاصية

string

موروث منImageModelSettings.

beta1

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

beta1?: number

قيمة الخاصية

number

موروث منImageModelSettings.beta1

beta2

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

beta2?: number

قيمة الخاصية

number

موروث منImageModelSettings.beta2

checkpointFrequency

تكرار تخزين نقاط التحقق النموذجية. يجب أن يكون عددا صحيحا موجبا.

checkpointFrequency?: number

قيمة الخاصية

number

موروث منImageModelSettings.checkpointFrequency

checkpointModel

نموذج نقطة التحقق المدرب مسبقا للتدريب المتزايد.

checkpointModel?: MLFlowModelJobInput

قيمة الخاصية

MLFlowModelJobInput

موروث منImageModelSettings.checkpointModel

checkpointRunId

معرف التشغيل السابق الذي يحتوي على نقطة تحقق مدربة مسبقا للتدريب المتزايد.

checkpointRunId?: string

قيمة الخاصية

string

موروث منImageModelSettings.checkpointRunId

distributed

ما إذا كان يجب استخدام التدريب الموزع.

distributed?: boolean

قيمة الخاصية

boolean

موروث منImageModelSettings.distributed

earlyStopping

تمكين منطق الإيقاف المبكر أثناء التدريب.

earlyStopping?: boolean

قيمة الخاصية

boolean

موروث منImageModelSettings.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?: number

قيمة الخاصية

number

موروث منImageModelSettings.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?: number

قيمة الخاصية

number

موروث منImageModelSettings.earlyStoppingPatience

enableOnnxNormalization

تمكين التطبيع عند تصدير نموذج ONNX.

enableOnnxNormalization?: boolean

قيمة الخاصية

boolean

موروث منImageModelSettings.enableOnnxNormalization

evaluationFrequency

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

evaluationFrequency?: number

قيمة الخاصية

number

موروث منImageModelSettings.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?: number

قيمة الخاصية

number

موروث منImageModelSettings.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?: number

قيمة الخاصية

number

موروث منImageModelSettings.layersToFreeze

learningRate

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

learningRate?: number

قيمة الخاصية

number

موروث منImageModelSettings.learningRate

learningRateScheduler

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

learningRateScheduler?: string

قيمة الخاصية

string

موروث منImageModelSettings.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 منImageModelSettings.modelName

momentum

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

momentum?: number

قيمة الخاصية

number

موروث منImageModelSettings.momentum

nesterov

تمكين nesterov عندما يكون المحسن هو 'sgd'.

nesterov?: boolean

قيمة الخاصية

boolean

موروث منImageModelSettings.nesterov

numberOfEpochs

عدد فترات التدريب. يجب أن يكون عددا صحيحا موجبا.

numberOfEpochs?: number

قيمة الخاصية

number

موروث منImageModelSettings.numberOfEpochs

numberOfWorkers

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

numberOfWorkers?: number

قيمة الخاصية

number

موروث منImageModelSettings.numberOfWorkers

optimizer

نوع المحسن.

optimizer?: string

قيمة الخاصية

string

موروث منImageModelSettings.optimizer

randomSeed

البذور العشوائية لاستخدامها عند استخدام التدريب المحدد.

randomSeed?: number

قيمة الخاصية

number

موروث منImageModelSettings.randomSeed

stepLRGamma

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

stepLRGamma?: number

قيمة الخاصية

number

موروث منImageModelSettings.stepLRGamma

stepLRStepSize

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

stepLRStepSize?: number

قيمة الخاصية

number

موروث منImageModelSettings.stepLRStepSize

trainingBatchSize

حجم دفعة التدريب. يجب أن يكون عددا صحيحا موجبا.

trainingBatchSize?: number

قيمة الخاصية

number

موروث منImageModelSettings.trainingBatchSize

validationBatchSize

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

validationBatchSize?: number

قيمة الخاصية

number

موروث منImageModelSettings.validationBatchSize

warmupCosineLRCycles

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

warmupCosineLRCycles?: number

قيمة الخاصية

number

موروث منImageModelSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

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

warmupCosineLRWarmupEpochs?: number

قيمة الخاصية

number

موروثة منImageModelSettings.warmupCosineLRWarmupEpochs

weightDecay

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

weightDecay?: number

قيمة الخاصية

number

موروث منImageModelSettings.weightDecay