ImageModelDistributionSettingsObjectDetection Clase

Definición

Espacio de nombres:

Azure.ResourceManager.MachineLearning.Models

Ensamblado:

Azure.ResourceManager.MachineLearning.dll

Paquete:

Azure.ResourceManager.MachineLearning v1.1.1

Expresiones de distribución para barrer los valores de la configuración del modelo. <ejemplo> Algunos ejemplos son:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

public class ImageModelDistributionSettingsObjectDetection : Azure.ResourceManager.MachineLearning.Models.ImageModelDistributionSettings

type ImageModelDistributionSettingsObjectDetection = class
    inherit ImageModelDistributionSettings

Public Class ImageModelDistributionSettingsObjectDetection
Inherits ImageModelDistributionSettings

Herencia

Object

ImageModelDistributionSettings

ImageModelDistributionSettingsObjectDetection

Constructores

ImageModelDistributionSettingsObjectDetection()

Inicializa una nueva instancia de ImageModelDistributionSettingsObjectDetection.

Propiedades

AmsGradient	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw". (Heredado de ImageModelDistributionSettings)
Augmentations	Configuración para usar aumentos. (Heredado de ImageModelDistributionSettings)
Beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. (Heredado de ImageModelDistributionSettings)
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. (Heredado de ImageModelDistributionSettings)
BoxDetectionsPerImage	Número máximo de detecciones por imagen, para todas las clases. Debe ser un entero positivo. Nota: Esta configuración no se admite para el algoritmo "yolov5".
BoxScoreThreshold	Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que BoxScoreThreshold. Debe ser un valor flotante en el intervalo[0, 1].
Distributed	Si se va a usar el entrenamiento del distribuidor. (Heredado de ImageModelDistributionSettings)
EarlyStopping	Habilite la lógica de detención temprana durante el entrenamiento. (Heredado de ImageModelDistributionSettings)
EarlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de que se realice un seguimiento de la mejora de la métrica principal para la detención temprana. Debe ser un entero positivo. (Heredado de ImageModelDistributionSettings)
EarlyStoppingPatience	Número mínimo de épocas o evaluaciones de validación sin mejora de métrica principal antes de detener la ejecución. Debe ser un entero positivo. (Heredado de ImageModelDistributionSettings)
EnableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX. (Heredado de ImageModelDistributionSettings)
EvaluationFrequency	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo. (Heredado de ImageModelDistributionSettings)
GradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo. (Heredado de ImageModelDistributionSettings)
ImageSize	Tamaño de la imagen para entrenamiento y validación. Debe ser un entero positivo. Nota: La ejecución de entrenamiento puede entrar en CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".
LayersToFreeze	Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa congelación de capa0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. (Heredado de ImageModelDistributionSettings)
LearningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. (Heredado de ImageModelDistributionSettings)
LearningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". (Heredado de ImageModelDistributionSettings)
MaxSize	Tamaño máximo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal. Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".
MinSize	Tamaño mínimo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal. Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".
ModelName	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. (Heredado de ImageModelDistributionSettings)
ModelSize	Tamaño del modelo. Debe ser "small", "medium", "large" o "xlarge". Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño del modelo es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".
Momentum	Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. (Heredado de ImageModelDistributionSettings)
MultiScale	Habilite la imagen a escala múltiple variando el tamaño de la imagen en +/- 50 %. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si no hay suficiente memoria de GPU. Nota: Esta configuración solo se admite para el algoritmo "yolov5".
Nesterov	Habilite nesterov cuando el optimizador sea "sgd". (Heredado de ImageModelDistributionSettings)
NmsIouThreshold	Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe ser float en el intervalo [0, 1].
NumberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo. (Heredado de ImageModelDistributionSettings)
NumberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo. (Heredado de ImageModelDistributionSettings)
Optimizer	Tipo de optimizador. Debe ser "sgd", "adam" o "adamw". (Heredado de ImageModelDistributionSettings)
RandomSeed	Inicialización aleatoria que se usará al usar el entrenamiento determinista. (Heredado de ImageModelDistributionSettings)
StepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1]. (Heredado de ImageModelDistributionSettings)
StepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo. (Heredado de ImageModelDistributionSettings)
TileGridSize	Tamaño de la cuadrícula que se usará para la colocación en mosaico de cada imagen. Nota: TileGridSize no debe ser None para habilitar la lógica de detección de objetos pequeños. Cadena que contiene dos enteros en formato mxn. Nota: Esta configuración no se admite para el algoritmo "yolov5".
TileOverlapRatio	Proporción de superposición entre mosaicos adyacentes en cada dimensión. Debe ser float en el intervalo [0, 1). Nota: Esta configuración no se admite para el algoritmo "yolov5".
TilePredictionsNmsThreshold	Umbral IOU que se usará para realizar NMS al combinar predicciones de mosaicos e imágenes. Se usa en la validación o inferencia. Debe ser float en el intervalo [0, 1]. Nota: Esta configuración no se admite para el algoritmo "yolov5". NMS: supresión no máxima
TrainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo. (Heredado de ImageModelDistributionSettings)
ValidationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo. (Heredado de ImageModelDistributionSettings)
ValidationIouThreshold	Umbral IOU que se va a usar al calcular la métrica de validación. Debe ser float en el intervalo [0, 1].
ValidationMetricType	Método de cálculo de métricas que se usará para las métricas de validación. Debe ser "none", "coco", "voc" o "coco_voc".
WarmupCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1]. (Heredado de ImageModelDistributionSettings)
WarmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo. (Heredado de ImageModelDistributionSettings)
WeightDecay	Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un valor flotante en el intervalo[0, 1]. (Heredado de ImageModelDistributionSettings)