ImageObjectDetectionSearchSpace Klasse
Suchen Sie den Speicherplatz für Die AutoML-Bildobjekterkennung und die Segmentierung von Bildinstanzen.
- Vererbung
-
azure.ai.ml.entities._mixins.RestTranslatableMixinImageObjectDetectionSearchSpace
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)
Parameter
- ams_gradient
- bool oder <xref:azure.ai.ml.entities.SweepDistribution>
Aktivieren Sie AMSGrad, wenn der Optimierer "adam" oder "adamw" ist.
- beta1
- float oder <xref:azure.ai.ml.entities.SweepDistribution>
Wert von "beta1", wenn der Optimierer "adam" oder "adamw" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
- beta2
- float oder <xref:azure.ai.ml.entities.SweepDistribution>
Wert von "beta2", wenn der Optimierer "adam" oder "adamw" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
- distributed
- bool oder <xref:azure.ai.ml.entities.SweepDistribution>
Gibt an, ob das Verteilungstraining verwendet werden soll.
- early_stopping
- bool oder <xref:azure.ai.ml.entities.SweepDistribution>
Logik zum frühzeitigen Beenden während des Trainings aktivieren.
- early_stopping_delay
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Mindestanzahl von Epochen oder Validierungsauswertungen, die gewartet werden müssen, bevor die primäre Metrikverbesserung für ein frühzeitiges Beenden nachverfolgt wird. Der Wert muss eine positive ganze Zahl sein.
- early_stopping_patience
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Mindestanzahl von Epochen oder Validierungsauswertungen ohne primäre Metrikverbesserung, bevor die Ausführung beendet wird. Der Wert muss eine positive ganze Zahl sein.
- enable_onnx_normalization
- bool oder <xref:azure.ai.ml.entities.SweepDistribution>
Aktivieren Sie die Normalisierung beim Exportieren des ONNX-Modells.
- evaluation_frequency
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Häufigkeit zum Auswerten des Validierungsdatasets, um Metrikergebnisse zu erhalten. Der Wert muss eine positive ganze Zahl sein.
- gradient_accumulation_step
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Farbverlaufsakkumulation bedeutet, dass eine konfigurierte Anzahl von "GradAccumulationStep"-Schritten ausgeführt wird, ohne die Modellgewichte zu aktualisieren, während die Gradienten dieser Schritte akkumuliert werden und dann die akkumulierten Gradienten zum Berechnen der Gewichtungsupdates verwendet werden. Der Wert muss eine positive ganze Zahl sein.
- layers_to_freeze
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Anzahl der Ebenen, die für das Modell eingefroren werden sollen. Der Wert muss eine positive ganze Zahl sein. Für instance bedeutet das Übergeben von 2 als Wert für "seresnext" das Einfrieren von layer0 und layer1. Eine vollständige Liste der unterstützten Modelle und Details zum Einfrieren von Ebenen finden Sie unter : https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long
- learning_rate
Anfängliche Lernrate. Muss ein Gleitkommawert im Bereich [0, 1] sein. :type learning_rate: float oder ~azure.ai.ml.entities.SweepDistribution
- learning_rate_scheduler
- str oder <xref:azure.ai.ml.entities.SweepDistribution>
Typ des Lernratenplaners. Muss "warmup_cosine" oder "Schritt" sein.
- model_name
- str oder <xref:azure.ai.ml.entities.SweepDistribution>
Name des Modells, das für das Training verwendet werden soll. Weitere Informationen zu den verfügbaren Modellen finden Sie in der offiziellen Dokumentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
- momentum
- float oder <xref:azure.ai.ml.entities.SweepDistribution>
Wert des Momentums, wenn der Optimierer "sgd" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
- nesterov
- bool oder <xref:azure.ai.ml.entities.SweepDistribution>
Aktivieren Sie nesterov, wenn der Optimierer "sgd" ist.
- number_of_epochs
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Anzahl der Trainingsepochen Der Wert muss eine positive ganze Zahl sein.
- number_of_workers
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Anzahl der Datenlade-Worker. Muss eine nicht negative ganze Zahl sein.
- optimizer
- str oder <xref:azure.ai.ml.entities.SweepDistribution>
Typ des Optimierers. Muss entweder "sgd", "adam" oder "adamw" sein.
- random_seed
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Zufälliger Seed, der bei deterministischem Training verwendet werden soll.
- step_lr_gamma
- float oder <xref:azure.ai.ml.entities.SweepDistribution>
Wert von Gamma, wenn der Lernratenplaner "Schritt" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
- step_lr_step_size
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Wert der Schrittgröße, wenn der Lernratenplaner "Schritt" ist. Der Wert muss eine positive ganze Zahl sein.
- training_batch_size
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Trainingsbatchgröße. Der Wert muss eine positive ganze Zahl sein.
- validation_batch_size
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Überprüfungsbatchgröße. Der Wert muss eine positive ganze Zahl sein.
- warmup_cosine_lr_cycles
- float oder <xref:azure.ai.ml.entities.SweepDistribution>
Der Wert des Kosinuszyklus, wenn der Lernratenplaner "warmup_cosine" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
- warmup_cosine_lr_warmup_epochs
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Wert von Aufwärmzeiten, wenn der Lernratenplaner "warmup_cosine" ist. Der Wert muss eine positive ganze Zahl sein.
- weight_decay
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Wert des Gewichtszerfalls, wenn der Optimierer "sgd", "adam" oder "adamw" ist. Muss ein Float im Bereich [0, 1] sein.
- box_detections_per_image
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Maximale Anzahl von Erkennungen pro Bild für alle Klassen. Der Wert muss eine positive ganze Zahl sein. Hinweis: Diese Einstellungen werden für den "yolov5"-Algorithmus nicht unterstützt.
- box_score_threshold
- float oder <xref:azure.ai.ml.entities.SweepDistribution>
Geben Sie während des Rückschlusss nur Vorschläge mit einer Klassifizierungsbewertung zurück, die größer als BoxScoreThreshold ist. Muss ein Float im Bereich [0, 1] sein.
- image_size
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Bildgröße für Training und Validierung. Der Wert muss eine positive ganze Zahl sein. Hinweis: Die Trainingsausführung kann in CUDA OOM angezeigt werden, wenn die Größe zu groß ist. Hinweis: Diese Einstellungen werden nur für den "yolov5"-Algorithmus unterstützt.
- max_size
Maximale Größe des Bilds, das neu skaliert werden soll, bevor es an den Backbone weitergeleitet wird. Der Wert muss eine positive ganze Zahl sein. Hinweis: Bei der Trainingsausführung kann es zu CUDA OOM kommen, wenn die Größe zu groß ist. Hinweis: Diese Einstellungen werden für den "yolov5"-Algorithmus nicht unterstützt. :type max_size: int oder ~azure.ai.ml.entities.SweepDistribution
- min_size
- int oder <xref:azure.ai.ml.entities.SweepDistribution>
Mindestgröße des Bilds, das neu skaliert werden soll, bevor es an den Backbone weitergeleitet wird. Der Wert muss eine positive ganze Zahl sein. Hinweis: Bei der Trainingsausführung kann es zu CUDA OOM kommen, wenn die Größe zu groß ist. Hinweis: Diese Einstellungen werden für den "yolov5"-Algorithmus nicht unterstützt.
- model_size
- str oder <xref:azure.ai.ml.entities.SweepDistribution>
Modellgröße. Muss "klein", "mittel", "groß" oder "extra_large" sein. Hinweis: Bei der Trainingsausführung kann es zu CUDA OOM kommen, wenn die Modellgröße zu groß ist. Hinweis: Diese Einstellungen werden nur für den "yolov5"-Algorithmus unterstützt.
- multi_scale
- bool oder <xref:azure.ai.ml.entities.SweepDistribution>
Aktivieren Sie Bilder mit mehreren Skalierungen, indem Sie die Bildgröße um +/- 50 % variieren. Hinweis: Bei der Trainingsausführung kann es zu CUDA OOM kommen, wenn nicht ausreichend GPU-Arbeitsspeicher verfügbar ist. Hinweis: Diese Einstellungen werden nur für den "yolov5"-Algorithmus unterstützt.
- nms_iou_threshold
- float oder <xref:azure.ai.ml.entities.SweepDistribution>
IOU-Schwellenwert, der beim Rückschluss in der NMS-Nachverarbeitung verwendet wird. Muss im Bereich [0, 1] liegen.
- tile_grid_size
- str oder <xref:azure.ai.ml.entities.SweepDistribution>
Die Rastergröße, die für die Kachelung der einzelnen Bilder verwendet werden soll. Hinweis: TileGridSize darf nicht None sein, um die Erkennungslogik für kleine Objekte zu aktivieren. Eine Zeichenfolge, die zwei ganze Zahlen im mxn-Format enthält.
- tile_overlap_ratio
- float oder <xref:azure.ai.ml.entities.SweepDistribution>
Überlappungsverhältnis zwischen angrenzenden Kacheln in den einzelnen Dimensionen. Muss im Bereich [0, 1] liegen.
- tile_predictions_nms_threshold
- float oder <xref:azure.ai.ml.entities.SweepDistribution>
Der IOU-Schwellenwert, der zum Ausführen von NMS beim Zusammenführen von Vorhersagen aus Kacheln und Bildern verwendet werden soll. Wird bei der Validierung bzw. beim Rückschließen verwendet. Muss im Bereich [0, 1] liegen. NMS: Nicht maximale Unterdrückung.
- validation_iou_threshold
- float oder <xref:azure.ai.ml.entities.SweepDistribution>
IOU-Schwellenwert, der beim Berechnen der Validierungsmetrik verwendet werden soll. Muss im Bereich [0, 1] liegen.
- validation_metric_type
- str oder <xref:azure.ai.ml.entities.SweepDistribution>
Metrikberechnungsmethode, die für Validierungsmetriken zu verwenden ist. Muss "none", "coco", "voc" oder "coco_voc" sein.
Azure SDK for Python
Feedback
https://aka.ms/ContentUserFeedback.
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unterFeedback senden und anzeigen für