ImageObjectDetectionSearchSpace الفصل

مساحة البحث عن مهام الكشف عن كائن صورة AutoML وتجزئة مثيل الصورة.

توريث

azure.ai.ml.entities._mixins.RestTranslatableMixin

ImageObjectDetectionSearchSpace

الدالمنشئ

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)

المعلمات

ams_gradient

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

مطلوب

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

beta1

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

مطلوب

قيمة 'beta1' عندما يكون المحسن هو 'آدم' أو 'adamw'. لابد أن يكون عددًا عشريًا في النطاق [0، 1].

beta2

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

مطلوب

قيمة 'beta2' عندما يكون المحسن هو 'آدم' أو 'adamw'. لابد أن يكون عددًا عشريًا في النطاق [0، 1].

distributed

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

مطلوب

ما إذا كنت تريد استخدام تدريب الموزع.

early_stopping

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

مطلوب

قم بتمكين منطق الإيقاف المبكر في أثناء التدريب.

early_stopping_delay

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

مطلوب

الحد الأدنى لعدد الفترات أو تقييمات التحقق من الصحة للانتظار قبل تتبع تحسين القياس الأساسي للإيقاف المبكر. يجب أن تكون عدداً صحيحاً موجباً.

early_stopping_patience

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

مطلوب

الحد الأدنى لعدد الفترات أو تقييمات التحقق من الصحة مع عدم وجود تحسين قياسي أساسي قبل إيقاف التشغيل. يجب أن تكون عدداً صحيحاً موجباً.

enable_onnx_normalization

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

مطلوب

تمكين التسوية عند تصدير نموذج ONNX.

evaluation_frequency

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

مطلوب

قم بالتكرار لتقييم مجموعة بيانات التحقق من الصحة للحصول على درجات القياس. يجب أن تكون عدداً صحيحاً موجباً.

gradient_accumulation_step

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

مطلوب

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 تكون عدداً صحيحاً موجباً.

layers_to_freeze

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

مطلوب

عدد الطبقات المراد تجميدها للنموذج. يجب أن تكون عدداً صحيحاً موجباً. على سبيل المثال، تمرير 2 كقيمة ل "seresnext" يعني تجميد الطبقة0 والطبقة 1. للحصول على قائمة كاملة بالنماذج المدعومة وتفاصيل حول تجميد الطبقة، يرجى الاطلاع على: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long

learning_rate

مطلوب

معدل التعلم الأولي. لابد أن يكون عددًا عشريًا في النطاق [0، 1]. :اكتب learning_rate: float أو ~azure.ai.ml.entities.SweepDistribution

learning_rate_scheduler

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

مطلوب

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

model_name

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

مطلوب

اسم النموذج المراد 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

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

مطلوب

قيمة الزخم عندما يكون المحسن 'sgd'. لابد أن يكون عددًا عشريًا في النطاق [0، 1].

nesterov

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

مطلوب

تمكين nesterov عندما يكون المحسن 'sgd'.

number_of_epochs

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

مطلوب

عدد فترات التدريب. يجب أن تكون عدداً صحيحاً موجباً.

number_of_workers

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

مطلوب

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

optimizer

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

مطلوب

نوع المُحسِن. يجب أن يكون إما 'sgd' أو 'adam' أو 'adamw'.

random_seed

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

مطلوب

بذور عشوائية لاستخدامها عند استخدام التدريب الحتمية.

step_lr_gamma

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

مطلوب

قيمة غاما عندما يكون مجدول معدل التعلم هو "الخطوة". لابد أن يكون عددًا عشريًا في النطاق [0، 1].

step_lr_step_size

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

مطلوب

قيمة حجم الخطوة عندما يكون مجدول معدل التعلم هو "الخطوة". يجب أن تكون عدداً صحيحاً موجباً.

training_batch_size

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

مطلوب

حجم دفعة التدريب. يجب أن تكون عدداً صحيحاً موجباً.

validation_batch_size

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

مطلوب

حجم دُفعة التحقق من الصحة. يجب أن تكون عدداً صحيحاً موجباً.

warmup_cosine_lr_cycles

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

مطلوب

قيمة دورة جيب التمام عندما يكون مجدول معدل التعلم هو "warmup_cosine". لابد أن يكون عددًا عشريًا في النطاق [0، 1].

warmup_cosine_lr_warmup_epochs

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

مطلوب

قيمة فترات التجهيز عندما يكون مجدول معدل التعلم هو "warmup_cosine". يجب أن تكون عدداً صحيحاً موجباً.

weight_decay

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

مطلوب

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

box_detections_per_image

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

مطلوب

الحد الأقصى لعدد عمليات الكشف لكل صورة، لجميع الفئات. يجب أن تكون عدداً صحيحاً موجباً. ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5".

box_score_threshold

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

مطلوب

أثناء الاستدلال، ترجع المقترحات فقط مع درجة تصنيف أكبر من BoxScoreThreshold. يجب أن يكون عائما في النطاق[0، 1].

image_size

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

مطلوب

حجم الصورةِ للتدريب والتحقق من الصحة. يجب أن تكون عدداً صحيحاً موجباً. ملاحظة: قد يدخل تشغيل التدريب في CUDA OOM إذا كان الحجم كبيرا جدا. ملاحظة: هذه الإعدادات مدعومة فقط لخوارزمية "yolov5".

max_size

مطلوب

الحد الأقصى لحجم الصورة التي سيتم تغيير حجمها قبل إضافتها إلى العمود الفقري. يجب أن تكون عدداً صحيحاً موجباً. ملاحظة: قد يدخل تشغيل التدريب في CUDA OOM إذا كان الحجم كبيرًا للغاية. ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5". :اكتب max_size: int أو ~azure.ai.ml.entities.SweepDistribution

min_size

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

مطلوب

الحد الأدنى لحجم الصورة التي سيتم تغيير حجمها قبل إضافتها إلى العمود الفقري. يجب أن تكون عدداً صحيحاً موجباً. ملاحظة: قد يدخل تشغيل التدريب في CUDA OOM إذا كان الحجم كبيرًا للغاية. ملاحظة: هذه الإعدادات غير مدعومة لخوارزمية "yolov5".

model_size

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

مطلوب

حجم النموذج. يجب أن تكون "صغيرة" أو "متوسطة" أو "كبيرة" أو "extra_large". ملاحظة: قد يدخل تشغيل التدريب في CUDA OOM إذا كان حجم النموذج كبيرًا للغاية. ملاحظة: هذه الإعدادات مدعومة فقط لخوارزمية "yolov5".

multi_scale

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

مطلوب

تمكين الصورة متعددة المقاييس من خلال تغيير حجم الصورة بنسبة +/- 50٪. ملاحظة: قد يدخل تشغيل التدريب في CUDA OOM في حال لم تكن ذاكرة GPU كافية. ملاحظة: هذه الإعدادات مدعومة فقط لخوارزمية "yolov5".

nms_iou_threshold

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

مطلوب

حد IOU المستخدم أثناء الاستدلال في معالجة ما بعد NMS. يجب أن يكون حرا في النطاق [0، 1].

tile_grid_size

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

مطلوب

حجم الشبكة المراد استخدامه لتجانب كل صورة. ملاحظة: يجب ألا يكون TileGridSize بلا لتمكين منطق الكشف عن العناصر الصغيرة. سلسلة تحتوي على عددين صحيحين بتنسيق mxn.

tile_overlap_ratio

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

مطلوب

نسبة التداخل بين التجانبات المتجاورة في كل بعد. يجب أن يكون حرا في النطاق [0، 1).

tile_predictions_nms_threshold

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

مطلوب

حد IOU لاستخدامه لأداء المنع غير الأقصى في أثناء دمج التنبؤات من التجانبات والصورة. يستخدم في التحقق من الصحة/ الاستدلال. يجب أن يكون حرا في النطاق [0، 1]. NMS: منع غير أقصى.

validation_iou_threshold

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

مطلوب

حد IOU لاستخدامه عند حساب مقياس التحقق من الصحة. يجب أن يكون حرا في النطاق [0، 1].

validation_metric_type

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

مطلوب

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