ImageObjectDetectionSearchSpace Clase
Espacio de búsqueda para tareas de detección de objetos de imagen autoML e segmentación de instancia de imagen.
- Herencia
-
azure.ai.ml.entities._mixins.RestTranslatableMixinImageObjectDetectionSearchSpace
Constructor
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)Parámetros
- ams_gradient
- bool o <xref:azure.ai.ml.entities.SweepDistribution>
Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".
- beta1
- float o <xref:azure.ai.ml.entities.SweepDistribution>
Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].
- beta2
- float o <xref:azure.ai.ml.entities.SweepDistribution>
Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].
- distributed
- bool o <xref:azure.ai.ml.entities.SweepDistribution>
Si se va a usar el entrenamiento del distribuidor.
- early_stopping
- bool o <xref:azure.ai.ml.entities.SweepDistribution>
Habilite la lógica de detención temprana durante el entrenamiento.
- early_stopping_delay
- int o <xref:azure.ai.ml.entities.SweepDistribution>
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 o <xref:azure.ai.ml.entities.SweepDistribution>
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 o <xref:azure.ai.ml.entities.SweepDistribution>
Habilite la normalización al exportar el modelo ONNX.
- evaluation_frequency
- int o <xref:azure.ai.ml.entities.SweepDistribution>
Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.
- gradient_accumulation_step
- int o <xref:azure.ai.ml.entities.SweepDistribution>
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 o <xref:azure.ai.ml.entities.SweepDistribution>
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/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long
- learning_rate
Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. :type learning_rate: float o ~azure.ai.ml.entities.SweepDistribution
- learning_rate_scheduler
- str o <xref:azure.ai.ml.entities.SweepDistribution>
Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".
- model_name
- str o <xref:azure.ai.ml.entities.SweepDistribution>
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 o <xref:azure.ai.ml.entities.SweepDistribution>
Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].
- nesterov
- bool o <xref:azure.ai.ml.entities.SweepDistribution>
Habilite nesterov cuando el optimizador sea "sgd".
- number_of_epochs
- int o <xref:azure.ai.ml.entities.SweepDistribution>
Número de épocas de entrenamiento. Debe ser un entero positivo.
- number_of_workers
- int o <xref:azure.ai.ml.entities.SweepDistribution>
Número de trabajos del cargador de datos. Debe ser un entero no negativo.
- optimizer
- str o <xref:azure.ai.ml.entities.SweepDistribution>
Tipo de optimizador. Debe ser "sgd", "adam" o "adamw".
- random_seed
- int o <xref:azure.ai.ml.entities.SweepDistribution>
Inicialización aleatoria que se usará al usar el entrenamiento determinista.
- step_lr_gamma
- float o <xref:azure.ai.ml.entities.SweepDistribution>
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 o <xref:azure.ai.ml.entities.SweepDistribution>
Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.
- training_batch_size
- int o <xref:azure.ai.ml.entities.SweepDistribution>
Tamaño del lote de entrenamiento. Debe ser un entero positivo.
- validation_batch_size
- int o <xref:azure.ai.ml.entities.SweepDistribution>
Tamaño del lote de validación. Debe ser un entero positivo.
- warmup_cosine_lr_cycles
- float o <xref:azure.ai.ml.entities.SweepDistribution>
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 o <xref:azure.ai.ml.entities.SweepDistribution>
Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.
- weight_decay
- int o <xref:azure.ai.ml.entities.SweepDistribution>
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 o <xref:azure.ai.ml.entities.SweepDistribution>
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 o <xref:azure.ai.ml.entities.SweepDistribution>
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 o <xref:azure.ai.ml.entities.SweepDistribution>
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
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". :type max_size: int o ~azure.ai.ml.entities.SweepDistribution
- min_size
- int o <xref:azure.ai.ml.entities.SweepDistribution>
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 <xref:azure.ai.ml.entities.SweepDistribution>
Tamaño del modelo. Debe ser "small", "medium", "large" o "extra_large". 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".
- multi_scale
- bool o <xref:azure.ai.ml.entities.SweepDistribution>
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 o <xref:azure.ai.ml.entities.SweepDistribution>
Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe ser float en el intervalo [0, 1].
- tile_grid_size
- str o <xref:azure.ai.ml.entities.SweepDistribution>
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.
- tile_overlap_ratio
- float o <xref:azure.ai.ml.entities.SweepDistribution>
Proporción de superposición entre mosaicos adyacentes en cada dimensión. Debe ser float en el intervalo [0, 1).
- tile_predictions_nms_threshold
- float o <xref:azure.ai.ml.entities.SweepDistribution>
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]. NMS: supresión no máxima.
- validation_iou_threshold
- float o <xref:azure.ai.ml.entities.SweepDistribution>
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 <xref:azure.ai.ml.entities.SweepDistribution>
Método de cálculo de métricas que se usará para las métricas de validación. Debe ser "none", "coco", "voc" o "coco_voc".
Azure SDK for Python
Comentarios
Próximamente: A lo largo de 2024 iremos eliminando gradualmente GitHub Issues como mecanismo de comentarios sobre el contenido y lo sustituiremos por un nuevo sistema de comentarios. Para más información, vea: https://aka.ms/ContentUserFeedback.
Enviar y ver comentarios de