ImageObjectDetectionSearchSpace الفصل
مساحة البحث عن مهام الكشف عن كائن صورة AutoML وتجزئة مثيل الصورة.
- توريث
-
azure.ai.ml.entities._mixins.RestTranslatableMixinImageObjectDetectionSearchSpace
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>
تمكين AMSGrad عندما يكون المحسن هو "آدم" أو "adamw".
- beta1
- float أو <xref:azure.ai.ml.entities.SweepDistribution>
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>
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>
ما إذا كنت تريد استخدام تدريب الموزع.
- early_stopping
- bool أو <xref:azure.ai.ml.entities.SweepDistribution>
قم بتمكين منطق الإيقاف المبكر في أثناء التدريب.
- early_stopping_delay
- int أو <xref:azure.ai.ml.entities.SweepDistribution>
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>
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>
تمكين التسوية عند تصدير نموذج ONNX.
- evaluation_frequency
- int أو <xref:azure.ai.ml.entities.SweepDistribution>
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>
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>
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
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>
نوع مُجدول معدل التعلم. يجب أن يكون "warmup_cosine" أو "خطوة".
- model_name
- str أو <xref:azure.ai.ml.entities.SweepDistribution>
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>
قيمة الزخم عندما يكون المحسن 'sgd'. لابد أن يكون عددًا عشريًا في النطاق [0، 1].
- nesterov
- bool أو <xref:azure.ai.ml.entities.SweepDistribution>
تمكين nesterov عندما يكون المحسن 'sgd'.
- number_of_epochs
- int أو <xref:azure.ai.ml.entities.SweepDistribution>
عدد فترات التدريب. يجب أن تكون عدداً صحيحاً موجباً.
- number_of_workers
- int أو <xref:azure.ai.ml.entities.SweepDistribution>
عدد عمال تحميل البيانات. يجب أن يكون عددا صحيحا غير سالب.
- optimizer
- str أو <xref:azure.ai.ml.entities.SweepDistribution>
نوع المُحسِن. يجب أن يكون إما 'sgd' أو 'adam' أو 'adamw'.
- random_seed
- int أو <xref:azure.ai.ml.entities.SweepDistribution>
بذور عشوائية لاستخدامها عند استخدام التدريب الحتمية.
- step_lr_gamma
- float أو <xref:azure.ai.ml.entities.SweepDistribution>
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>
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>
حجم دفعة التدريب. يجب أن تكون عدداً صحيحاً موجباً.
- validation_batch_size
- int أو <xref:azure.ai.ml.entities.SweepDistribution>
حجم دُفعة التحقق من الصحة. يجب أن تكون عدداً صحيحاً موجباً.
- warmup_cosine_lr_cycles
- float أو <xref:azure.ai.ml.entities.SweepDistribution>
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>
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>
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>
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>
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>
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
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>
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>
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>
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>
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>
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>
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>
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>
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>
أسلوب حساب القياس لاستخدامه مع قياسات التحقق من الصحة. يجب أن يكون 'none' أو 'coco' أو 'voc' أو 'coco_voc'.
Azure SDK for Python
الملاحظات
https://aka.ms/ContentUserFeedback.
قريبًا: خلال عام 2024، سنتخلص تدريجيًا من GitHub Issues بوصفها آلية إرسال ملاحظات للمحتوى ونستبدلها بنظام ملاحظات جديد. لمزيد من المعلومات، راجعإرسال الملاحظات وعرضها المتعلقة بـ