Sdílet prostřednictvím

ImageModelSettingsObjectDetection Třída

  • Reference

Nastavení modelu pro úlohu detekce objektu obrázku automatizovaného strojového učení

Dědičnost
azure.ai.ml.entities._job.automl.image.image_model_settings.ImageModelDistributionSettings
ImageModelSettingsObjectDetection

Konstruktor

ImageModelSettingsObjectDetection(*, advanced_settings: str | None = None, ams_gradient: bool | None = None, beta1: float | None = None, beta2: float | None = None, checkpoint_frequency: int | None = None, checkpoint_run_id: str | None = None, distributed: bool | None = None, early_stopping: bool | None = None, early_stopping_delay: int | None = None, early_stopping_patience: int | None = None, enable_onnx_normalization: bool | None = None, evaluation_frequency: int | None = None, gradient_accumulation_step: int | None = None, layers_to_freeze: int | None = None, learning_rate: float | None = None, learning_rate_scheduler: LearningRateScheduler | None = None, model_name: str | None = None, momentum: float | None = None, nesterov: bool | None = None, number_of_epochs: int | None = None, number_of_workers: int | None = None, optimizer: StochasticOptimizer | None = None, random_seed: int | None = None, step_lr_gamma: float | None = None, step_lr_step_size: int | None = None, training_batch_size: int | None = None, validation_batch_size: int | None = None, warmup_cosine_lr_cycles: float | None = None, warmup_cosine_lr_warmup_epochs: int | None = None, weight_decay: float | None = None, box_detections_per_image: int | None = None, box_score_threshold: float | None = None, image_size: int | None = None, max_size: int | None = None, min_size: int | None = None, model_size: ModelSize | None = None, multi_scale: bool | None = None, nms_iou_threshold: float | None = None, tile_grid_size: str | None = None, tile_overlap_ratio: float | None = None, tile_predictions_nms_threshold: float | None = None, validation_iou_threshold: float | None = None, validation_metric_type: ValidationMetricType | None = None, log_training_metrics: LogTrainingMetrics | None = None, log_validation_loss: LogValidationLoss | None = None, **kwargs)

Parametry

advanced_settings
str
Vyžadováno

Nastavení pro pokročilé scénáře

ams_gradient
bool
Vyžadováno

Povolte AMSGrad, pokud je optimalizátor adam nebo adamw.

beta1
float
Vyžadováno

Hodnota beta1, pokud optimalizátor je adam nebo adamw. Musí se jednat o float v rozsahu [0, 1].

beta2
float
Vyžadováno

Hodnota beta2, pokud je optimalizátor adam nebo adamw. Musí se jednat o float v rozsahu [0, 1].

checkpoint_frequency
int
Vyžadováno

Frekvence ukládání kontrolních bodů modelu Musí být kladné celé číslo.

checkpoint_run_id
str
Vyžadováno

ID předchozího spuštění, které má předem vytrénovaný kontrolní bod pro přírůstkové trénování.

distributed
bool
Vyžadováno

Jestli se má použít distribuované trénování.

early_stopping
bool
Vyžadováno

Povolte logiku předčasného zastavení během trénování.

early_stopping_delay
int
Vyžadováno

Minimální počet epoch nebo ověřovacích vyhodnocení, která se mají počkat, než se bude sledovat zlepšení primární metriky kvůli předčasnému zastavení. Musí být kladné celé číslo.

early_stopping_patience
int
Vyžadováno

Minimální počet epoch nebo vyhodnocení ověření bez zlepšení primární metriky před zastavením spuštění. Musí být kladné celé číslo.

enable_onnx_normalization
bool
Vyžadováno

Povolení normalizace při exportu modelu ONNX

evaluation_frequency
int
Vyžadováno

Frekvence vyhodnocování ověřovací datové sady za účelem získání skóre metrik Musí být kladné celé číslo.

gradient_accumulation_step
int
Vyžadováno

Akumulace gradientu znamená spuštění nakonfigurovaného počtu kroků GradAccumulationStep bez aktualizace hmotnosti modelu při nahromadění přechodů těchto kroků a následné použití nahromaděných přechodů k výpočtu aktualizací váhy. Musí být kladné celé číslo.

layers_to_freeze
int
Vyžadováno

Počet vrstev, které se mají u modelu ukotvit Musí být kladné celé číslo. Například předání hodnoty 2 jako hodnoty pro 'seresnext' znamená zamrznutí vrstvy0 a vrstvy1. Úplný seznam podporovaných modelů a podrobnosti o ukotvení vrstev najdete tady: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

learning_rate
float
Vyžadováno

Počáteční rychlost učení. Musí se jednat o float v rozsahu [0, 1].

learning_rate_scheduler
str nebo LearningRateScheduler
Vyžadováno

Typ plánovače rychlosti učení Musí to být warmup_cosine nebo step. Mezi možné hodnoty patří: "None", "WarmupCosine", "Step".

model_name
str
Vyžadováno

Název modelu, který se má použít pro trénování. Další informace o dostupných modelech najdete v oficiální dokumentaci: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

momentum
float
Vyžadováno

Hodnota dynamiky, když je optimalizátor "sgd". Musí se jednat o float v rozsahu [0, 1].

nesterov
bool
Vyžadováno

Povolte nesterov, pokud je optimalizátor sgd.

number_of_epochs
int
Vyžadováno

Počet epoch trénování Musí být kladné celé číslo.

number_of_workers
int
Vyžadováno

Počet pracovních procesů zavaděče dat Musí to být nezáporné celé číslo.

optimizer
str nebo StochasticOptimizer
Vyžadováno

Typ optimalizátoru Mezi možné hodnoty patří: "None", "Sgd", "Adam", "Adamw".

random_seed
int
Vyžadováno

Náhodné počáteční údaje, které se mají použít při použití deterministického trénování.

step_lr_gamma
float
Vyžadováno

Hodnota gama při plánovači rychlosti učení je "krok". Musí se jednat o float v rozsahu [0, 1].

step_lr_step_size
int
Vyžadováno

Hodnota velikosti kroku při plánovači rychlosti učení je "krok". Musí být kladné celé číslo.

training_batch_size
int
Vyžadováno

Velikost trénovací dávky. Musí být kladné celé číslo.

validation_batch_size
int
Vyžadováno

Velikost ověřovací dávky. Musí být kladné celé číslo.

warmup_cosine_lr_cycles
float
Vyžadováno

Hodnota kosinusového cyklu při plánovači rychlosti učení je "warmup_cosine". Musí se jednat o float v rozsahu [0, 1].

warmup_cosine_lr_warmup_epochs
int
Vyžadováno

Hodnota epoch zahřátí při plánovači rychlosti učení je "warmup_cosine". Musí být kladné celé číslo.

weight_decay
float
Vyžadováno

Hodnota hmotnosti se rozpadne, když optimalizátor je "sgd", "adam" nebo "adamw". Musí se jednat o float v rozsahu[0, 1].

box_detections_per_image
int
Vyžadováno

Maximální počet detekcí na obrázek pro všechny třídy Musí být kladné celé číslo. Poznámka: Toto nastavení není podporováno pro algoritmus "yolov5".

box_score_threshold
float
Vyžadováno

Během odvozu vrací pouze návrhy se skóre klasifikace větším než BoxScoreThreshold. Musí se jednat o float v rozsahu[0, 1].

image_size
int
Vyžadováno

Velikost obrázku pro trénování a ověřování. Musí být kladné celé číslo. Poznámka: Trénovací běh se může dostat do OOM CUDA, pokud je velikost příliš velká. Poznámka: Toto nastavení je podporováno pouze pro algoritmus "yolov5".

max_size
int
Vyžadováno

Maximální velikost obrázku, který se má před odesláním do páteřní sítě změnit měřítko. Musí být kladné celé číslo. Poznámka: Trénovací běh se může dostat do CUDA OOM, pokud je velikost příliš velká. Poznámka: Toto nastavení není podporováno pro algoritmus "yolov5".

min_size
int
Vyžadováno

Minimální velikost obrázku, která se má před odesláním do páteřní sítě změnit měřítko. Musí být kladné celé číslo. Poznámka: Trénovací běh se může dostat do CUDA OOM, pokud je velikost příliš velká. Poznámka: Toto nastavení není podporováno pro algoritmus "yolov5".

model_size
str nebo ModelSize
Vyžadováno

Velikost modelu. Musí být "malé", "střední", "velké". Poznámka: Trénovací běh se může dostat do OOM CUDA, pokud je model příliš velký. Poznámka: Toto nastavení je podporováno pouze pro algoritmus "yolov5". Mezi možné hodnoty patří: "None", "Small", "Medium", "Large", "ExtraLarge".

multi_scale
bool
Vyžadováno

Povolte image s více měřítky tím, že velikost obrázku se liší o +/-50 %. Poznámka: Trénovací běh se může dostat do CUDA OOM, pokud není dostatek paměti GPU. Poznámka: Toto nastavení je podporováno pouze pro algoritmus "yolov5".

nms_iou_threshold
float
Vyžadováno

Prahová hodnota IOU použitá při odvození v nms následném zpracování. Musí se jednat o float v rozsahu [0, 1].

tile_grid_size
str
Vyžadováno

Velikost mřížky, která se má použít pro dlaždici každého obrázku. Poznámka: Pokud chcete povolit logiku detekce malých objektů, tileGridSize nesmí být žádná. Řetězec obsahující dvě celá čísla ve formátu mxn. Poznámka: Toto nastavení není podporováno pro algoritmus "yolov5".

tile_overlap_ratio
float
Vyžadováno

Poměr překrytí mezi sousedními dlaždicemi v každé dimenzi Musí být plovoucí v rozsahu [0, 1). Poznámka: Toto nastavení není podporováno pro algoritmus "yolov5".

tile_predictions_nms_threshold
float
Vyžadováno

Prahová hodnota IOU, která se použije k provádění NMS při slučování předpovědí z dlaždic a obrázků. Používá se při ověřování nebo odvozování. Musí být plovoucí v rozsahu [0, 1]. Poznámka: Toto nastavení není podporováno pro algoritmus "yolov5".

validation_iou_threshold
float
Vyžadováno

Prahová hodnota IOU, která se má použít při výpočtu metriky ověřování. Musí být plovoucí v rozsahu [0, 1].

validation_metric_type
str nebo ValidationMetricType
Vyžadováno

Metoda výpočtu metrik, která se má použít pro metriky ověřování. Mezi možné hodnoty patří: "None", "Coco", "Voc", "CocoVoc".

log_training_metrics
str nebo <xref:azure.mgmt.machinelearningservices.models.LogTrainingMetrics>
Vyžadováno

označuje, jestli se mají protokolovat trénovací metriky.

log_validation_loss
str nebo <xref:azure.mgmt.machinelearningservices.models.LogValidationLoss>
Vyžadováno

označuje, jestli se má protokolovat ztráta ověření.