Share via

ImageModelSettingsObjectDetection Clase

  • Referencia

Configuración del modelo para la tarea Detección de objetos de imagen autoML.

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

Constructor

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)

Parámetros

advanced_settings
str
Requerido

Configuración de escenarios avanzados.

ams_gradient
bool
Requerido

Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".

beta1
float
Requerido

Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].

beta2
float
Requerido

Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].

checkpoint_frequency
int
Requerido

Frecuencia para almacenar puntos de control del modelo. Debe ser un entero positivo.

checkpoint_run_id
str
Requerido

Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental.

distributed
bool
Requerido

Si se va a usar el entrenamiento distribuido.

early_stopping
bool
Requerido

Habilite la lógica de detención temprana durante el entrenamiento.

early_stopping_delay
int
Requerido

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.

early_stopping_patience
int
Requerido

Número mínimo de épocas o evaluaciones de validación sin mejora de métrica principal antes de detener la ejecución. Debe ser un entero positivo.

enable_onnx_normalization
bool
Requerido

Habilite la normalización al exportar el modelo ONNX.

evaluation_frequency
int
Requerido

Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.

gradient_accumulation_step
int
Requerido

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.

layers_to_freeze
int
Requerido

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.

learning_rate
float
Requerido

Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1].

learning_rate_scheduler
str o LearningRateScheduler
Requerido

Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". Entre los valores posibles se incluyen: "None", "WarmupCosine", "Step".

model_name
str
Requerido

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.

momentum
float
Requerido

Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].

nesterov
bool
Requerido

Habilite nesterov cuando el optimizador sea "sgd".

number_of_epochs
int
Requerido

Número de épocas de entrenamiento. Debe ser un entero positivo.

number_of_workers
int
Requerido

Número de trabajos del cargador de datos. Debe ser un entero no negativo.

optimizer
str o StochasticOptimizer
Requerido

Tipo de optimizador. Entre los valores posibles se incluyen: "None", "Sgd", "Adam", "Adamw".

random_seed
int
Requerido

Inicialización aleatoria que se usará al usar el entrenamiento determinista.

step_lr_gamma
float
Requerido

Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1].

step_lr_step_size
int
Requerido

Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.

training_batch_size
int
Requerido

Tamaño del lote de entrenamiento. Debe ser un entero positivo.

validation_batch_size
int
Requerido

Tamaño del lote de validación. Debe ser un entero positivo.

warmup_cosine_lr_cycles
float
Requerido

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].

warmup_cosine_lr_warmup_epochs
int
Requerido

Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.

weight_decay
float
Requerido

Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un valor flotante en el intervalo[0, 1].

box_detections_per_image
int
Requerido

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".

box_score_threshold
float
Requerido

Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que BoxScoreThreshold. Debe ser un valor flotante en el intervalo[0, 1].

image_size
int
Requerido

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".

max_size
int
Requerido

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".

min_size
int
Requerido

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".

model_size
str o ModelSize
Requerido

Tamaño del modelo. Debe ser "pequeño", "mediano", "grande". 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". Entre los valores posibles se incluyen: "None", "Small", "Medium", "Large", "ExtraLarge".

multi_scale
bool
Requerido

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".

nms_iou_threshold
float
Requerido

Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe ser un valor float en el intervalo [0, 1].

tile_grid_size
str
Requerido

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".

tile_overlap_ratio
float
Requerido

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".

tile_predictions_nms_threshold
float
Requerido

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".

validation_iou_threshold
float
Requerido

Umbral IOU que se va a usar al calcular la métrica de validación. Debe ser float en el intervalo [0, 1].

validation_metric_type
str o ValidationMetricType
Requerido

Método de cálculo de métricas que se usará para las métricas de validación. Entre los valores posibles se incluyen: "None", "Coco", "Voc", "CocoVoc".

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

indica si se van a registrar o no métricas de entrenamiento.

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

indica si se va a registrar o no la pérdida de validación.