Sdílet prostřednictvím

ImageObjectDetectionJob Třída

  • Reference

Konfigurace pro úlohu detekce objektu obrázku automatizovaného strojového učení

Inicializujte novou úlohu detekce objektu obrázku AutoML.

Dědičnost
azure.ai.ml.entities._job.automl.image.automl_image_object_detection_base.AutoMLImageObjectDetectionBase
ImageObjectDetectionJob

Konstruktor

ImageObjectDetectionJob(*, primary_metric: str | ObjectDetectionPrimaryMetrics | None = None, **kwargs)

Parametry

primary_metric
Vyžadováno

Primární metrika, která se má použít k optimalizaci

kwargs
Vyžadováno

Argumenty specifické pro úlohu

Metody

dump

Vytvoří výpis obsahu úlohy do souboru ve formátu YAML.
extend_search_space

Přidejte vyhledávací prostor pro úlohy Detekce objektů obrázků AutoML a Segmentace instancí obrázků.
set_data
set_limits

Nastavení omezení pro všechny vertikály obrázků Automatizovaného strojového učení
set_sweep

Nastavení úklidu pro všechny vertikály obrázků Automatizovaného strojového učení
set_training_parameters

Nastavení parametrů trénování obrázků pro úlohy Detekce objektu obrázku autoML a Segmentace instance obrázků.

dump

Vytvoří výpis obsahu úlohy do souboru ve formátu YAML.

dump(dest: str | PathLike | IO, **kwargs) -> None

Parametry

dest
Union[<xref:PathLike>, str, IO[AnyStr]]
Vyžadováno

Místní cesta nebo datový proud souboru, do které se má obsah YAML zapisovat. Pokud je dest cesta k souboru, vytvoří se nový soubor. Pokud je dest otevřený soubor, zapíše se přímo do souboru.

kwargs
dict

Další argumenty, které se mají předat serializátoru YAML.

Výjimky

FileExistsError

Vyvolána, pokud je dest cesta k souboru a soubor již existuje.

IOError

Vyvolá se, pokud je soubor dest otevřený a soubor nelze zapisovat.

extend_search_space

Přidejte vyhledávací prostor pro úlohy Detekce objektů obrázků AutoML a Segmentace instancí obrázků.

extend_search_space(value: SearchSpace | List[SearchSpace]) -> None

Parametry

value
Union[SearchSpace, List[SearchSpace]]
Vyžadováno

Prohledat prostor parametrů

Výjimky

FileExistsError

Vyvolána, pokud je dest cesta k souboru a soubor již existuje.

IOError

Vyvolá se, pokud je soubor dest otevřený a soubor nelze zapisovat.

set_data 

set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None

Výjimky

FileExistsError

Vyvolána, pokud je dest cesta k souboru a soubor již existuje.

IOError

Vyvolá se, pokud je soubor dest otevřený a soubor nelze zapisovat.

set_limits

Nastavení omezení pro všechny vertikály obrázků Automatizovaného strojového učení

set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> None

Parametry

timeout_minutes
timedelta

Vypršel časový limit úlohy Automatizovaného strojového učení.

Výjimky

FileExistsError

Vyvolána, pokud je dest cesta k souboru a soubor již existuje.

IOError

Vyvolá se, pokud je soubor dest otevřený a soubor nelze zapisovat.

set_sweep

Nastavení úklidu pro všechny vertikály obrázků Automatizovaného strojového učení

set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> None

Parametry

sampling_algorithm

Povinná hodnota. [Povinné] Typ algoritmů vzorkování hyperparametrů Mezi možné hodnoty patří: "Grid", "Random", "Bayesian".

early_termination
Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]

Typ zásad předčasného ukončení

Výjimky

FileExistsError

Vyvolána, pokud je dest cesta k souboru a soubor již existuje.

IOError

Vyvolá se, pokud je soubor dest otevřený a soubor nelze zapisovat.

set_training_parameters

Nastavení parametrů trénování obrázků pro úlohy Detekce objektu obrázku autoML a Segmentace instance obrázků.

set_training_parameters(*, 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: str | 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: str | 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: str | 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: str | ValidationMetricType | None = None, log_training_metrics: str | LogTrainingMetrics | None = None, log_validation_loss: str | LogValidationLoss | None = None) -> None

Parametry

advanced_settings
str

Nastavení pro pokročilé scénáře

ams_gradient
bool

Povolte AMSGrad, pokud je optimalizátor adam nebo adamw.

beta1
float

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

beta2
float

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

checkpoint_frequency
int

Frekvence ukládání kontrolních bodů modelu Musí být kladné celé číslo.

checkpoint_run_id
str

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

distributed
bool

Jestli se má použít distribuované trénování.

early_stopping
bool

Povolte logiku předčasného zastavení během trénování.

early_stopping_delay
int

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

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

enable_onnx_normalization
bool

Povolení normalizace při exportu modelu ONNX

evaluation_frequency
int

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

gradient_accumulation_step
int

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

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/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long

learning_rate
float

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

learning_rate_scheduler

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

model_name

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

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

nesterov
bool

Povolte nesterov, pokud je optimalizátor sgd.

number_of_epochs
int

Počet epoch trénování Musí být kladné celé číslo.

number_of_workers
int

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

optimizer

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

random_seed
int

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

step_lr_gamma
float

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

step_lr_step_size
int

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

training_batch_size
int

Velikost trénovací dávky. Musí být kladné celé číslo.

validation_batch_size
int

Velikost ověřovací dávky. Musí být kladné celé číslo.

warmup_cosine_lr_cycles
float

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

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

weight_decay
float

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

box_detections_per_image

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

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

image_size

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

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

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

Velikost modelu. Musí to být "small", "medium", "large" nebo "extra_large". Poznámka: Trénovací běh se může dostat do OOM CUDA, pokud je model příliš velký. Poznámka: Toto nastavení je podporováno pouze pro algoritmus "yolov5".

multi_scale

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

Prahová hodnota IOU použitá při odvození v nms následném zpracování. Musí být plovoucí v rozsahu [0, 1].

tile_grid_size

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.

tile_overlap_ratio
float

Poměr překrytí mezi sousedními dlaždicemi v každé dimenzi Musí být plovoucí v rozsahu [0, 1).

tile_predictions_nms_threshold

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]. NMS: Non-maximum potlačení.

validation_iou_threshold
float

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

validation_metric_type
str nebo ValidationMetricType

Metoda výpočtu metrik, která se má použít pro metriky ověřování. Musí to být "none", "coco", "voc" nebo "coco_voc".

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

označuje, jestli se mají protokolovat trénovací metriky. Musí být "Povolit" nebo "Zakázat".

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

označuje, zda se má protokolovat ztráta ověření. Musí být "Povolit" nebo "Zakázat".

Výjimky

FileExistsError

Vyvolána, pokud je dest cesta k souboru a soubor již existuje.

IOError

Vyvolá se, pokud je soubor dest otevřený a soubor nelze zapisovat.

Atributy

base_path

Základní cesta prostředku.

Návraty

Základní cesta prostředku.

Návratový typ

str

creation_context

Kontext vytvoření prostředku.

Návraty

Metadata vytvoření prostředku.

Návratový typ

Optional[SystemData]

id

ID prostředku.

Návraty

Globální ID prostředku, ID Azure Resource Manager (ARM).

Návratový typ

Optional[str]

inputs

limits

log_files

Výstupní soubory úlohy.

Návraty

Slovník názvů protokolů a adres URL.

Návratový typ

Optional[Dict[str, str]]

log_verbosity

outputs

primary_metric

search_space

status

Stav úlohy.

Mezi běžné vrácené hodnoty patří Spuštěno, Dokončeno a Neúspěšné. Všechny možné hodnoty jsou:

  • NotStarted – jedná se o dočasný stav, ve který se objekty Run na straně klienta nacházejí před odesláním do cloudu.

  • Spuštění – Spuštění se začalo zpracovávat v cloudu. Volající má v tuto chvíli ID spuštění.

  • Zřizování – pro odeslání úlohy se vytváří výpočetní prostředky na vyžádání.

  • Příprava – Prostředí spuštění se připravuje a je v jedné ze dvou fází:

    • Sestavení image Dockeru

    • Nastavení prostředí conda

  • Zařazeno do fronty – Úloha je zařazená do fronty v cílovém výpočetním objektu. Například ve službě BatchAI je úloha ve frontě.

    při čekání na připravenost všech požadovaných uzlů.

  • Spuštěno – Úloha se začala spouštět na cílovém výpočetním objektu.

  • Finalizace – Spuštění uživatelského kódu bylo dokončeno a spuštění je ve fázích následného zpracování.

  • CancelRequested – pro úlohu bylo požádáno o zrušení.

  • Dokončeno – Spuštění bylo úspěšně dokončeno. To zahrnuje spuštění uživatelského kódu i spuštění.

    fáze následného zpracování.

  • Neúspěšné – spuštění se nezdařilo. Vlastnost Error při spuštění obvykle obsahuje podrobné informace o tom, proč tomu tak je.

  • Zrušeno – následuje žádost o zrušení a indikuje, že spuštění se teď úspěšně zrušilo.

  • Nereaguje – U spuštění s povolenými prezenčními signály se v nedávné době neodeslal žádný prezenční signál.

Návraty

Stav úlohy.

Návratový typ

Optional[str]

studio_url

Koncový bod studia Azure ML.

Návraty

Adresa URL stránky s podrobnostmi úlohy

Návratový typ

Optional[str]

sweep

task_type

Získejte typ úkolu.

Návraty

Typ úlohy, která se má spustit. Mezi možné hodnoty patří: "classification", "regression", "forecasting" (prognózování).

Návratový typ

str

test_data

Získání testovacích dat

Návraty

Testování vstupu dat

Návratový typ

Input

training_data

Získejte trénovací data.

Návraty

Trénování vstupu dat

Návratový typ

Input

training_parameters

type

Typ úlohy.

Návraty

Typ úlohy.

Návratový typ

Optional[str]

validation_data

Získání ověřovacích dat

Návraty

Ověřovací vstup dat

Návratový typ

Input