ImageInstanceSegmentationJob Osztály

Az AutoML-lemezképpéldány szegmentálási feladatának konfigurálása.

Új AutoML-lemezképpéldány szegmentálási feladatának inicializálása.

Öröklődés

azure.ai.ml.entities._job.automl.image.automl_image_object_detection_base.AutoMLImageObjectDetectionBase

ImageInstanceSegmentationJob

Konstruktor

ImageInstanceSegmentationJob(*, primary_metric: str | InstanceSegmentationPrimaryMetrics | None = None, **kwargs)

Paraméterek

primary_metric

Kötelező

Az optimalizáláshoz használandó elsődleges metrika

kwargs

Kötelező

Feladatspecifikus argumentumok

Metódusok

dump	A feladat tartalmát YAML formátumú fájlba menti.
extend_search_space	Adjon hozzá keresési helyet az AutoML képobjektum-észlelési és képpéldány-szegmentálási feladatokhoz.
set_data
set_limits	Az autoML-kép függőleges beállításainak korlátozása.
set_sweep	Takarítási beállítások az összes AutoML-kép függőlegesen.
set_training_parameters	Kép betanítási paramétereinek beállítása az AutoML-rendszerképobjektum-észlelési és képpéldány-szegmentálási feladatokhoz.

dump

A feladat tartalmát YAML formátumú fájlba menti.

dump(dest: str | PathLike | IO, **kwargs) -> None

Paraméterek

dest

Union[<xref:PathLike>, str, IO[AnyStr]]

Kötelező

A YAML-tartalom írásához használt helyi elérési út vagy fájlstream. Ha a dest fájlelérési út, a rendszer új fájlt hoz létre. Ha a dest egy megnyitott fájl, a fájl közvetlenül a fájlba lesz megírva.

kwargs

dict

A YAML szerializálónak átadandó további argumentumok.

Kivételek

FileExistsError

Akkor jön létre, ha a dest fájlelérési út, és a fájl már létezik.

IOError

Akkor jön létre, ha a dest egy megnyitott fájl, és a fájl nem írható.

extend_search_space

Adjon hozzá keresési helyet az AutoML képobjektum-észlelési és képpéldány-szegmentálási feladatokhoz.

extend_search_space(value: SearchSpace | List[SearchSpace]) -> None

Paraméterek

value

Union[SearchSpace, List[SearchSpace]]

Kötelező

Keresés a paramétertérben

Kivételek

FileExistsError

Akkor jön létre, ha a dest fájlelérési út, és a fájl már létezik.

IOError

Akkor jön létre, ha a dest egy megnyitott fájl, és a fájl nem írható.

set_data

set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None

Kivételek

FileExistsError

Akkor jön létre, ha a dest fájlelérési út, és a fájl már létezik.

IOError

Akkor jön létre, ha a dest egy megnyitott fájl, és a fájl nem írható.

set_limits

Az autoML-kép függőleges beállításainak korlátozása.

set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> None

Paraméterek

timeout_minutes

timedelta

AutoML-feladat időtúllépése.

Kivételek

FileExistsError

Akkor jön létre, ha a dest fájlelérési út, és a fájl már létezik.

IOError

Akkor jön létre, ha a dest egy megnyitott fájl, és a fájl nem írható.

set_sweep

Takarítási beállítások az összes AutoML-kép függőlegesen.

set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> None

Paraméterek

sampling_algorithm

Kötelező. [Kötelező] A hiperparaméter-mintavételezési algoritmusok típusa. Lehetséges értékek: "Grid", "Random", "Bayesian".

early_termination

Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]

A korai felmondási szabályzat típusa.

Kivételek

FileExistsError

Akkor jön létre, ha a dest fájlelérési út, és a fájl már létezik.

IOError

Akkor jön létre, ha a dest egy megnyitott fájl, és a fájl nem írható.

set_training_parameters

Kép betanítási paramétereinek beállítása az AutoML-rendszerképobjektum-észlelési és képpéldány-szegmentálási feladatokhoz.

set_training_parameters(*, 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: str | 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: str | 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: str | 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: str | ValidationMetricType | None = None, log_training_metrics: str | LogTrainingMetrics | None = None, log_validation_loss: str | LogValidationLoss | None = None) -> None

Paraméterek

advanced_settings

str

Speciális forgatókönyvek beállításai.

ams_gradient

bool

Engedélyezze az AMSGradt, ha az optimalizáló "adam" vagy "adamw".

beta1

float

A "beta1" értéke, ha az optimalizáló "adam" vagy "adamw". A(z) [0, 1] tartományban lebegő lebegőpontosnak kell lennie.

beta2

float

A "beta2" értéke, ha az optimalizáló "adam" vagy "adamw". A(z) [0, 1] tartományban lebegő lebegőpontosnak kell lennie.

checkpoint_frequency

int

A modell ellenőrzőpontjainak tárolási gyakorisága. Pozitív egész számnak kell lennie.

checkpoint_run_id

str

Egy korábbi futtatás azonosítója, amely előre betanított ellenőrzőponttal rendelkezik a növekményes betanításhoz.

distributed

bool

Elosztott betanítás használata.

early_stopping

bool

Korai leállítási logika engedélyezése a betanítás során.

early_stopping_delay

int

Az alapidőszakok vagy érvényesítési értékelések minimális száma, amíg az elsődleges metrikafejlesztés nyomon követése meg nem történik a korai leállításig. Pozitív egész számnak kell lennie.

early_stopping_patience

int

Az alapidőszakok vagy az érvényesítési értékelések minimális száma elsődleges metrikajavítás nélkül a futtatás leállítása előtt. Pozitív egész számnak kell lennie.

enable_onnx_normalization

bool

Engedélyezze a normalizálást az ONNX-modell exportálásakor.

evaluation_frequency

int

Az érvényesítési adatkészlet kiértékelésének gyakorisága a metrikapontszámok lekéréséhez. Pozitív egész számnak kell lennie.

gradient_accumulation_step

int

A színátmenet felhalmozódása azt jelenti, hogy konfigurált számú "GradAccumulationStep" lépést futtat a modell súlyainak frissítése nélkül, miközben a lépések színátmeneteit gyűjti össze, majd a halmozott színátmeneteket használja a súlyfrissítések kiszámításához. Pozitív egész számnak kell lennie.

layers_to_freeze

A modellhez rögzítendő rétegek száma. Pozitív egész számnak kell lennie. A 2 értéknek a "seresnext" értékként való átadása például a 0. réteg és az 1. réteg befagyasztását jelenti. A támogatott modellek teljes listájáért és a rétegfagyasztás részleteiért lásd: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long

learning_rate

float

Kezdeti tanulási arány. A(z) [0, 1] tartományban lebegő lebegőpontosnak kell lennie.

learning_rate_scheduler

A tanulási sebességütemező típusa. "warmup_cosine" vagy "lépés" lehet. Lehetséges értékek: "None", "WarmupCosine", "Step".

model_name

A betanításhoz használandó modell neve. Az elérhető modellekkel kapcsolatos további információkért tekintse meg a hivatalos dokumentációt: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

momentum

float

A lendület értéke, ha az optimalizáló "sgd". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.

nesterov

bool

Engedélyezze a nesterovot, ha az optimalizáló "sgd".

number_of_epochs

int

A betanítási korszakok száma. Pozitív egész számnak kell lennie.

number_of_workers

int

Adatbetöltő feldolgozók száma. Nem negatív egész számnak kell lennie.

optimizer

Az optimalizáló típusa. Lehetséges értékek: "None", "Sgd", "Adam", "Adamw".

random_seed

int

Determinisztikus betanítás használatakor használandó véletlenszerű mag.

step_lr_gamma

float

A gamma értéke, ha a tanulási sebességütemező "lépés". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.

step_lr_step_size

int

A lépésméret értéke, ha a tanulási sebességütemező "lépés". Pozitív egész számnak kell lennie.

training_batch_size

int

Betanítási köteg mérete. Pozitív egész számnak kell lennie.

validation_batch_size

int

Érvényesítési köteg mérete. Pozitív egész számnak kell lennie.

warmup_cosine_lr_cycles

float

A koszinuszciklus értéke, ha a tanulási sebességütemező "warmup_cosine". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.

warmup_cosine_lr_warmup_epochs

int

A bemelegítési korszakok értéke, ha a tanulási sebességütemező "warmup_cosine". Pozitív egész számnak kell lennie.

weight_decay

float

A súlycsökkenés értéke, ha az optimalizáló "sgd", "adam" vagy "adamw". Lebegőpontosnak kell lennie a tartományban[0, 1].

box_detections_per_image

Az észlelések maximális száma képenként az összes osztály esetében. Pozitív egész számnak kell lennie. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.

box_score_threshold

float

A következtetés során csak a BoxScoreThreshold besorolási pontszámnál nagyobb besorolási pontszámú javaslatokat ad vissza. Lebegőpontosnak kell lennie a tartományban[0, 1].

image_size

Képméret betanításhoz és ellenőrzéshez. Pozitív egész számnak kell lennie. Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a méret túl nagy. Megjegyzés: Ez a beállítás csak a "yolov5" algoritmus esetében támogatott.

max_size

Az újraskálázandó kép maximális mérete, mielőtt betáplálta volna a gerinchez. Pozitív egész számnak kell lennie. Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a méret túl nagy. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.

min_size

Az újraskálázandó kép minimális mérete, mielőtt betáplálnák a gerinchez. Pozitív egész számnak kell lennie. Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a méret túl nagy. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.

model_size

Modell mérete. Legyen "kicsi", "közepes", "nagy" vagy "extra_large". Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a modell mérete túl nagy. Megjegyzés: Ez a beállítás csak a "yolov5" algoritmus esetében támogatott.

multi_scale

Több léptékű kép engedélyezése a kép méretének +/- 50%-os eltérésével. Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha nincs elegendő GPU-memória. Megjegyzés: Ez a beállítás csak a "yolov5" algoritmus esetében támogatott.

nms_iou_threshold

float

Az NMS utófeldolgozása során a következtetés során használt IOU-küszöbérték. A(z) [0, 1] tartományban kell lebegnie.

tile_grid_size

Az egyes képek burkolásához használandó rácsméret. Megjegyzés: A TileGridSize nem lehet Nincs a kis objektumészlelési logika engedélyezéséhez. Két egész számot tartalmazó sztring mxn formátumban.

tile_overlap_ratio

float

Átfedési arány a szomszédos csempék között az egyes dimenziókban. A(z) [0, 1] tartományban kell lebegnie.

tile_predictions_nms_threshold

Az NMS végrehajtásához használandó IOU-küszöbérték a csempék és a rendszerképek előrejelzéseinek egyesítése során. Ellenőrzéshez/ következtetéshez használatos. A(z) [0, 1] tartományban kell lebegnie. NMS: Nem maximális elnyomás.

validation_iou_threshold

float

Az ellenőrzési metrikák számításához használandó IOU-küszöbérték. A(z) [0, 1] tartományban kell lebegnie.

validation_metric_type

str vagy ValidationMetricType

Az érvényesítési metrikákhoz használható metrikaszámítási módszer. A "nincs", a "coco", a "voc" vagy a "coco_voc" kell lennie.

log_training_metrics

str vagy <xref:azure.mgmt.machinelearningservices.models.LogTrainingMetrics>

azt jelzi, hogy naplózza-e a betanítási metrikákat. Az "Engedélyezés" vagy a "Letiltás" beállításnak kell lennie

log_validation_loss

str vagy <xref:azure.mgmt.machinelearningservices.models.LogValidationLoss>

azt jelzi, hogy naplózni kell-e az érvényesítési veszteséget. Az "Engedélyezés" vagy a "Letiltás" beállításnak kell lennie

Kivételek

FileExistsError

Akkor jön létre, ha a dest fájlelérési út, és a fájl már létezik.

IOError

Akkor jön létre, ha a dest egy megnyitott fájl, és a fájl nem írható.

Attribútumok

base_path

Az erőforrás alapútvonala.

Válaszok

Az erőforrás alapútvonala.

Visszatérési típus

str

creation_context

Az erőforrás létrehozási környezete.

Válaszok

Az erőforrás létrehozási metaadatai.

Visszatérési típus

Optional[SystemData]

id

Az erőforrás-azonosító.

Válaszok

Az erőforrás globális azonosítója, egy Azure Resource Manager (ARM) azonosító.

Visszatérési típus

Optional[str]

inputs

limits

log_files

Feladat kimeneti fájljai.

Válaszok

A naplónevek és URL-címek szótára.

Visszatérési típus

Optional[Dict[str, str]]

log_verbosity

outputs

primary_metric

search_space

status

A feladat állapota.

A visszaadott értékek közé tartozik a "Running", a "Completed" és a "Failed" (Sikertelen). Minden lehetséges érték a következő:

• NotStarted – Ez egy ideiglenes állapot, amelyben az ügyféloldali Run objektumok a felhőbeküldés előtt találhatók.

• Indítás – A futtatás megkezdődött a felhőben való feldolgozásban. A hívó ezen a ponton futtatási azonosítóval rendelkezik.

• Kiépítés – Egy adott feladatbeküldéshez igény szerinti számítás jön létre.

• Előkészítés – A futtatási környezet előkészítése folyamatban van, és a következő két szakasz egyikében van:

  • Docker-rendszerkép összeállítása

  • conda-környezet beállítása

• Queued – A feladat várólistára van helyezve a számítási célon. A BatchAI-ban például a feladat várólistás állapotban van

  amíg az összes kért csomópont készen áll.

• Futtatás – A feladat elkezdett futni a számítási célon.

• Véglegesítés – A felhasználói kód végrehajtása befejeződött, a futtatás pedig a feldolgozás utáni fázisokban van.

• CancelRequested – A feladat lemondását kérték.

• Befejeződött – A futtatás sikeresen befejeződött. Ez magában foglalja a felhasználói kód végrehajtását és a futtatást is

  utófeldolgozási fázisok.

• Sikertelen – A futtatás sikertelen volt. A futtatáskor általában az Error tulajdonság adja meg a hiba okát.

• Megszakítva – Egy lemondási kérést követ, és azt jelzi, hogy a futtatás sikeresen megszakadt.

• NotKiszolgáló – Azon futtatások esetében, amelyeken engedélyezve van a szívverés, a rendszer nem küldött szívverést a közelmúltban.

Válaszok

A feladat állapota.

Visszatérési típus

Optional[str]

studio_url

Azure ML Studio-végpont.

Válaszok

A feladat részleteit tartalmazó lap URL-címe.

Visszatérési típus

Optional[str]

sweep

task_type

Feladattípus lekérése.

Válaszok

A futtatni kívánt feladat típusa. Lehetséges értékek: "besorolás", "regresszió", "előrejelzés".

Visszatérési típus

str

test_data

Tesztadatok lekérése.

Válaszok

Adatbevitel tesztelése

Visszatérési típus

Input

training_data

Betanítási adatok lekérése.

Válaszok

Betanítási adatok bemenete

Visszatérési típus

Input

training_parameters

type

A feladat típusa.

Válaszok

A feladat típusa.

Visszatérési típus

Optional[str]

validation_data

Érvényesítési adatok lekérése.

Válaszok

Érvényesítési adatbevitel

Visszatérési típus

Input