Sdílet prostřednictvím

ImageObjectDetectionSearchSpace Třída

  • Reference

Vyhledejte místo pro úlohy Detekce objektů obrázků AutoML a Segmentace instancí obrázků.

Dědičnost
azure.ai.ml.entities._mixins.RestTranslatableMixin
ImageObjectDetectionSearchSpace

Konstruktor

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)

Parametry

ams_gradient
bool nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Povolte AMSGrad, pokud je optimalizátor "adam" nebo "adamw".

beta1
float nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Hodnota beta1, pokud optimalizátor je "adam" nebo "adamw". Musí být float v rozsahu [0, 1].

beta2
float nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Hodnota "beta2", pokud optimalizátor je "adam" nebo "adamw". Musí být float v rozsahu [0, 1].

distributed
bool nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Jestli se má použít trénování distribuce.

early_stopping
bool nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Povolte logiku předčasného zastavení během trénování.

early_stopping_delay
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Minimální počet epoch nebo vyhodnocení ověření, která se mají počkat, než se bude sledovat zlepšení primární metriky pro předčasné zastavení. Musí být kladné celé číslo.

early_stopping_patience
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

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

enable_onnx_normalization
bool nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Povolte normalizaci při exportu modelu ONNX.

evaluation_frequency
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

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

gradient_accumulation_step
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

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

layers_to_freeze
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Počet vrstev, které se mají u modelu ukotvit. Musí být kladné celé číslo. Například předání 2 jako hodnoty pro "seresnext" znamená zamrznutí vrstvy 0 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
Vyžadováno

Počáteční rychlost učení. Musí být float v rozsahu [0, 1]. :type learning_rate: float nebo ~azure.ai.ml.entities.SweepDistribution

learning_rate_scheduler
str nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Typ plánovače rychlosti učení Musí to být "warmup_cosine" nebo "krok".

model_name
str nebo <xref:azure.ai.ml.entities.SweepDistribution>
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 nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Hodnota dynamiky optimalizátoru je "sgd". Musí být float v rozsahu [0, 1].

nesterov
bool nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Povolte nesterov, pokud je optimalizátor "sgd".

number_of_epochs
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Počet epoch trénování Musí být kladné celé číslo.

number_of_workers
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

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

optimizer
str nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Typ optimalizátoru Musí to být "sgd", "adam" nebo "adamw".

random_seed
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Náhodná počáteční hodnota, která se má použít při použití deterministického trénování.

step_lr_gamma
float nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

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

step_lr_step_size
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

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

training_batch_size
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Velikost trénovací dávky. Musí být kladné celé číslo.

validation_batch_size
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Velikost dávky ověření. Musí být kladné celé číslo.

warmup_cosine_lr_cycles
float nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Hodnota kosinusového cyklu při učení plánovače rychlosti je "warmup_cosine". Musí být float v rozsahu [0, 1].

warmup_cosine_lr_warmup_epochs
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Hodnota zahřívacích epoch v plánovači míry učení je "warmup_cosine". Musí být kladné celé číslo.

weight_decay
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Hodnota poklesu hmotnosti, když optimalizátor je "sgd", "adam" nebo "adamw". Musí být float v rozsahu[0, 1].

box_detections_per_image
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
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 nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Během odvozováním vrací pouze návrhy s vyšším skóre klasifikace než BoxScoreThreshold. Musí být float v rozsahu[0, 1].

image_size
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
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
Vyžadováno

Maximální velikost obrázku, který má být před odesláním do páteřní sítě přeškálován. 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". :type max_size: int nebo ~azure.ai.ml.entities.SweepDistribution

min_size
int nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Minimální velikost image, která se má změnit na měřítko před tím, než ho nasdílíte do páteřní sítě. 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 <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Velikost modelu. Musí být "malé", "střední", "velké" nebo "extra_large". Poznámka: Trénovací běh se může dostat do OOM CUDA, pokud je velikost modelu příliš velká. Poznámka: Toto nastavení je podporováno pouze pro algoritmus "yolov5".

multi_scale
bool nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

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

nms_iou_threshold
float nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Prahová hodnota IOU použitá při odvození v NMS po zpracování. Musí být float v rozsahu [0, 1].

tile_grid_size
str nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Velikost mřížky, která se má použít pro dlaždici jednotlivých obrázků. Poznámka: TileGridSize nesmí být Žádný, aby se povolila logika detekce malých objektů. Řetězec obsahující dvě celá čísla ve formátu mxn.

tile_overlap_ratio
float nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Poměr překrytí mezi sousedními dlaždicemi v jednotlivých dimenzích Musí být float v rozsahu [0, 1).

tile_predictions_nms_threshold
float nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

Prahová hodnota IOU, která se má použít k provádění NMS při slučování předpovědí z dlaždic a obrázků. Používá se při ověřování nebo odvozování. Musí být float v rozsahu [0, 1]. NMS: Ne maximální potlačení.

validation_iou_threshold
float nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

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

validation_metric_type
str nebo <xref:azure.ai.ml.entities.SweepDistribution>
Vyžadováno

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