Bagikan melalui

ImageModelDistributionSettingsObjectDetection interface

Paket:
@azure/arm-machinelearning

Ekspresi distribusi untuk menyapu nilai pengaturan model. <contoh> Beberapa contohnya adalah:

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.
Memperluas
ImageModelDistributionSettings

Properti

boxDetectionsPerImage

Jumlah maksimum deteksi per gambar, untuk semua kelas. Harus bilangan bulat positif. Catatan: Pengaturan ini tidak didukung untuk algoritma 'yolov5'.
boxScoreThreshold

Selama inferensi, hanya mengembalikan proposal dengan skor klasifikasi yang lebih besar dari BoxScoreThreshold. Harus berupa float dalam kisaran[0, 1].
imageSize

Ukuran gambar untuk pelatihan dan validasi. Harus bilangan bulat positif. Catatan: Pelatihan yang dijalankan mungkin masuk ke CUDA OOM jika ukurannya terlalu besar. Catatan: Pengaturan ini hanya didukung untuk algoritma 'yolov5'.
maxSize

Ukuran maksimum gambar yang akan diskalakan ulang sebelum mengumpankannya ke tulang punggung. Harus bilangan bulat positif. Catatan: pelatihan yang dijalankan mungkin masuk ke CUDA OOM jika ukurannya terlalu besar. Catatan: Pengaturan ini tidak didukung untuk algoritma 'yolov5'.
minSize

Ukuran minimum gambar yang akan diskalakan ulang sebelum mengumpankannya ke tulang punggung. Harus bilangan bulat positif. Catatan: pelatihan yang dijalankan mungkin masuk ke CUDA OOM jika ukurannya terlalu besar. Catatan: Pengaturan ini tidak didukung untuk algoritma 'yolov5'.
modelSize

Ukuran model. Harus 'kecil', 'sedang', 'besar', atau 'xlarge'. Catatan: pelatihan yang dijalankan mungkin masuk ke CUDA OOM jika ukuran model terlalu besar. Catatan: Pengaturan ini hanya didukung untuk algoritma 'yolov5'.
multiScale

Aktifkan gambar multi-skala dengan memvariasikan ukuran gambar sebesar +/- 50%. Catatan: pelatihan yang dijalankan mungkin masuk ke CUDA OOM jika tidak ada memori GPU yang memadai. Catatan: Pengaturan ini hanya didukung untuk algoritma 'yolov5'.
nmsIouThreshold

Ambang batas IOU yang digunakan selama inferensi dalam pemrosesan pos NMS. Harus mengapung dalam kisaran [0, 1].
tileGridSize

Ukuran kisi yang digunakan untuk memilah setiap gambar. Catatan: TileGridSize tidak boleh Tidak Ada untuk mengaktifkan logika deteksi objek kecil. String yang berisi dua bilangan bulat dalam format mxn. Catatan: Pengaturan ini tidak didukung untuk algoritma 'yolov5'.
tileOverlapRatio

Rasio tumpang tindih antara petak peta yang berdekatan di setiap dimensi. Harus mengapung dalam kisaran [0, 1). Catatan: Pengaturan ini tidak didukung untuk algoritma 'yolov5'.
tilePredictionsNmsThreshold

Ambang batas IOU yang digunakan untuk melakukan NMS sambil menggabungkan prediksi dari petak peta dan gambar. Digunakan dalam validasi/inferensi. Harus mengapung dalam kisaran [0, 1]. Catatan: Pengaturan ini tidak didukung untuk algoritma 'yolov5'. NMS: Penindasan non-maksimum
validationIouThreshold

Ambang batas IOU untuk digunakan saat menghitung metrik validasi. Harus mengapung dalam kisaran [0, 1].
validationMetricType

Metode komputasi metrik yang digunakan untuk metrik validasi. Harus 'none', 'coco', 'voc', atau 'coco_voc'.

Properti yang Diwariskan

amsGradient

Aktifkan AMSGrad saat pengoptimal adalah 'adam' atau 'adamw'.
augmentations

Pengaturan untuk menggunakan Augmentasi.
beta1

Nilai 'beta1' ketika pengoptimal adalah 'adam' atau 'adamw'. Harus berupa float dalam rentang [0, 1].
beta2

Nilai 'beta2' ketika pengoptimal adalah 'adam' atau 'adamw'. Harus berupa float dalam rentang [0, 1].
distributed

Apakah akan menggunakan pelatihan distribusi.
earlyStopping

Aktifkan logika penghentian awal selama pelatihan.
earlyStoppingDelay

Jumlah minimum epoch atau evaluasi validasi untuk menunggu sebelum peningkatan metrik utama dilacak untuk penghentian awal. Harus bilangan bulat positif.
earlyStoppingPatience

Jumlah minimum epoch atau evaluasi validasi tanpa peningkatan metrik utama sebelum eksekusi dihentikan. Harus bilangan bulat positif.
enableOnnxNormalization

Aktifkan normalisasi saat mengekspor model ONNX.
evaluationFrequency

Frekuensi untuk mengevaluasi himpunan data validasi untuk mendapatkan skor metrik. Harus bilangan bulat positif.
gradientAccumulationStep

Akumulasi gradien berarti menjalankan sejumlah langkah "GradAccumulationStep" yang dikonfigurasi tanpa memperbarui bobot model sambil mengumpulkan gradien langkah-langkah tersebut, lalu menggunakan gradien akumulasi untuk menghitung pembaruan bobot. Harus bilangan bulat positif.
layersToFreeze

Jumlah lapisan yang akan dibekukan untuk model. Harus bilangan bulat positif. Misalnya, meneruskan 2 sebagai nilai untuk 'seresnext' berarti membekukan layer0 dan layer1. Untuk daftar lengkap model yang didukung dan detail tentang pembekuan lapisan, silakan lihat: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate

Tingkat pembelajaran awal. Harus berupa float dalam rentang [0, 1].
learningRateScheduler

Jenis penjadwal tingkat pembelajaran. Harus 'warmup_cosine' atau 'langkah'.
modelName

Nama model yang akan digunakan untuk pelatihan. Untuk informasi lebih lanjut tentang model yang tersedia, silakan kunjungi dokumentasi resmi: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum

Nilai momentum saat pengoptimal adalah 'sgd'. Harus berupa float dalam rentang [0, 1].
nesterov

Aktifkan nesterov saat pengoptimal adalah 'sgd'.
numberOfEpochs

Jumlah epoch pelatihan. Harus bilangan bulat positif.
numberOfWorkers

Jumlah pekerja pemuat data. Harus bilangan bulat non-negatif.
optimizer

Jenis pengoptimal. Harus berupa 'sgd', 'adam', atau 'adamw'.
randomSeed

Benih acak yang akan digunakan saat menggunakan pelatihan deterministik.
stepLRGamma

Nilai gamma ketika penjadwal tingkat pembelajaran adalah 'langkah'. Harus berupa float dalam rentang [0, 1].
stepLRStepSize

Nilai ukuran langkah saat penjadwal tingkat pembelajaran adalah 'langkah'. Harus bilangan bulat positif.
trainingBatchSize

Ukuran batch pelatihan. Harus bilangan bulat positif.
validationBatchSize

Ukuran batch validasi. Harus bilangan bulat positif.
warmupCosineLRCycles

Nilai siklus kosinus saat penjadwal tingkat pembelajaran adalah 'warmup_cosine'. Harus berupa float dalam rentang [0, 1].
warmupCosineLRWarmupEpochs

Nilai epoch pemanasan ketika penjadwal tingkat pembelajaran adalah 'warmup_cosine'. Harus bilangan bulat positif.
weightDecay

Nilai pembbusukan berat saat pengoptimal adalah 'sgd', 'adam', atau 'adamw'. Harus berupa float dalam kisaran[0, 1].

Detail Properti

boxDetectionsPerImage

Jumlah maksimum deteksi per gambar, untuk semua kelas. Harus bilangan bulat positif. Catatan: Pengaturan ini tidak didukung untuk algoritma 'yolov5'.

boxDetectionsPerImage?: string

Nilai Properti

string

boxScoreThreshold

Selama inferensi, hanya mengembalikan proposal dengan skor klasifikasi yang lebih besar dari BoxScoreThreshold. Harus berupa float dalam kisaran[0, 1].

boxScoreThreshold?: string

Nilai Properti

string

imageSize

Ukuran gambar untuk pelatihan dan validasi. Harus bilangan bulat positif. Catatan: Pelatihan yang dijalankan mungkin masuk ke CUDA OOM jika ukurannya terlalu besar. Catatan: Pengaturan ini hanya didukung untuk algoritma 'yolov5'.

imageSize?: string

Nilai Properti

string

maxSize

Ukuran maksimum gambar yang akan diskalakan ulang sebelum mengumpankannya ke tulang punggung. Harus bilangan bulat positif. Catatan: pelatihan yang dijalankan mungkin masuk ke CUDA OOM jika ukurannya terlalu besar. Catatan: Pengaturan ini tidak didukung untuk algoritma 'yolov5'.

maxSize?: string

Nilai Properti

string

minSize

Ukuran minimum gambar yang akan diskalakan ulang sebelum mengumpankannya ke tulang punggung. Harus bilangan bulat positif. Catatan: pelatihan yang dijalankan mungkin masuk ke CUDA OOM jika ukurannya terlalu besar. Catatan: Pengaturan ini tidak didukung untuk algoritma 'yolov5'.

minSize?: string

Nilai Properti

string

modelSize

Ukuran model. Harus 'kecil', 'sedang', 'besar', atau 'xlarge'. Catatan: pelatihan yang dijalankan mungkin masuk ke CUDA OOM jika ukuran model terlalu besar. Catatan: Pengaturan ini hanya didukung untuk algoritma 'yolov5'.

modelSize?: string

Nilai Properti

string

multiScale

Aktifkan gambar multi-skala dengan memvariasikan ukuran gambar sebesar +/- 50%. Catatan: pelatihan yang dijalankan mungkin masuk ke CUDA OOM jika tidak ada memori GPU yang memadai. Catatan: Pengaturan ini hanya didukung untuk algoritma 'yolov5'.

multiScale?: string

Nilai Properti

string

nmsIouThreshold

Ambang batas IOU yang digunakan selama inferensi dalam pemrosesan pos NMS. Harus mengapung dalam kisaran [0, 1].

nmsIouThreshold?: string

Nilai Properti

string

tileGridSize

Ukuran kisi yang digunakan untuk memilah setiap gambar. Catatan: TileGridSize tidak boleh Tidak Ada untuk mengaktifkan logika deteksi objek kecil. String yang berisi dua bilangan bulat dalam format mxn. Catatan: Pengaturan ini tidak didukung untuk algoritma 'yolov5'.

tileGridSize?: string

Nilai Properti

string

tileOverlapRatio

Rasio tumpang tindih antara petak peta yang berdekatan di setiap dimensi. Harus mengapung dalam kisaran [0, 1). Catatan: Pengaturan ini tidak didukung untuk algoritma 'yolov5'.

tileOverlapRatio?: string

Nilai Properti

string

tilePredictionsNmsThreshold

Ambang batas IOU yang digunakan untuk melakukan NMS sambil menggabungkan prediksi dari petak peta dan gambar. Digunakan dalam validasi/inferensi. Harus mengapung dalam kisaran [0, 1]. Catatan: Pengaturan ini tidak didukung untuk algoritma 'yolov5'. NMS: Penindasan non-maksimum

tilePredictionsNmsThreshold?: string

Nilai Properti

string

validationIouThreshold

Ambang batas IOU untuk digunakan saat menghitung metrik validasi. Harus mengapung dalam kisaran [0, 1].

validationIouThreshold?: string

Nilai Properti

string

validationMetricType

Metode komputasi metrik yang digunakan untuk metrik validasi. Harus 'none', 'coco', 'voc', atau 'coco_voc'.

validationMetricType?: string

Nilai Properti

string

Detail Properti yang Diwariskan

amsGradient

Aktifkan AMSGrad saat pengoptimal adalah 'adam' atau 'adamw'.

amsGradient?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.amsGradient

augmentations

Pengaturan untuk menggunakan Augmentasi.

augmentations?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.augmentations

beta1

Nilai 'beta1' ketika pengoptimal adalah 'adam' atau 'adamw'. Harus berupa float dalam rentang [0, 1].

beta1?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.beta1

beta2

Nilai 'beta2' ketika pengoptimal adalah 'adam' atau 'adamw'. Harus berupa float dalam rentang [0, 1].

beta2?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.beta2

distributed

Apakah akan menggunakan pelatihan distribusi.

distributed?: string

Nilai Properti

string

Diwariskan DariImageModelDistributionSettings.distributed

earlyStopping

Aktifkan logika penghentian awal selama pelatihan.

earlyStopping?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.earlyStopping

earlyStoppingDelay

Jumlah minimum epoch atau evaluasi validasi untuk menunggu sebelum peningkatan metrik utama dilacak untuk penghentian awal. Harus bilangan bulat positif.

earlyStoppingDelay?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.earlyStoppingDelay

earlyStoppingPatience

Jumlah minimum epoch atau evaluasi validasi tanpa peningkatan metrik utama sebelum eksekusi dihentikan. Harus bilangan bulat positif.

earlyStoppingPatience?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.earlyStoppingPatience

enableOnnxNormalization

Aktifkan normalisasi saat mengekspor model ONNX.

enableOnnxNormalization?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.enableOnnxNormalization

evaluationFrequency

Frekuensi untuk mengevaluasi himpunan data validasi untuk mendapatkan skor metrik. Harus bilangan bulat positif.

evaluationFrequency?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.evaluationFrequency

gradientAccumulationStep

Akumulasi gradien berarti menjalankan sejumlah langkah "GradAccumulationStep" yang dikonfigurasi tanpa memperbarui bobot model sambil mengumpulkan gradien langkah-langkah tersebut, lalu menggunakan gradien akumulasi untuk menghitung pembaruan bobot. Harus bilangan bulat positif.

gradientAccumulationStep?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.gradientAccumulationStep

layersToFreeze

Jumlah lapisan yang akan dibekukan untuk model. Harus bilangan bulat positif. Misalnya, meneruskan 2 sebagai nilai untuk 'seresnext' berarti membekukan layer0 dan layer1. Untuk daftar lengkap model yang didukung dan detail tentang pembekuan lapisan, silakan lihat: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.layersToFreeze

learningRate

Tingkat pembelajaran awal. Harus berupa float dalam rentang [0, 1].

learningRate?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.learningRate

learningRateScheduler

Jenis penjadwal tingkat pembelajaran. Harus 'warmup_cosine' atau 'langkah'.

learningRateScheduler?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.learningRateScheduler

modelName

Nama model yang akan digunakan untuk pelatihan. Untuk informasi lebih lanjut tentang model yang tersedia, silakan kunjungi dokumentasi resmi: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.modelName

momentum

Nilai momentum saat pengoptimal adalah 'sgd'. Harus berupa float dalam rentang [0, 1].

momentum?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.momentum

nesterov

Aktifkan nesterov saat pengoptimal adalah 'sgd'.

nesterov?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.nesterov

numberOfEpochs

Jumlah epoch pelatihan. Harus bilangan bulat positif.

numberOfEpochs?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.numberOfEpochs

numberOfWorkers

Jumlah pekerja pemuat data. Harus bilangan bulat non-negatif.

numberOfWorkers?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.numberOfWorkers

optimizer

Jenis pengoptimal. Harus berupa 'sgd', 'adam', atau 'adamw'.

optimizer?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.optimizer

randomSeed

Benih acak yang akan digunakan saat menggunakan pelatihan deterministik.

randomSeed?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.randomSeed

stepLRGamma

Nilai gamma ketika penjadwal tingkat pembelajaran adalah 'langkah'. Harus berupa float dalam rentang [0, 1].

stepLRGamma?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.stepLRGamma

stepLRStepSize

Nilai ukuran langkah saat penjadwal tingkat pembelajaran adalah 'langkah'. Harus bilangan bulat positif.

stepLRStepSize?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.stepLRStepSize

trainingBatchSize

Ukuran batch pelatihan. Harus bilangan bulat positif.

trainingBatchSize?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.trainingBatchSize

validationBatchSize

Ukuran batch validasi. Harus bilangan bulat positif.

validationBatchSize?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.validationBatchSize

warmupCosineLRCycles

Nilai siklus kosinus saat penjadwal tingkat pembelajaran adalah 'warmup_cosine'. Harus berupa float dalam rentang [0, 1].

warmupCosineLRCycles?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Nilai epoch pemanasan ketika penjadwal tingkat pembelajaran adalah 'warmup_cosine'. Harus bilangan bulat positif.

warmupCosineLRWarmupEpochs?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.warmupCosineLRWarmupEpochs

weightDecay

Nilai pembbusukan berat saat pengoptimal adalah 'sgd', 'adam', atau 'adamw'. Harus berupa float dalam kisaran[0, 1].

weightDecay?: string

Nilai Properti

string

Diwarisi DariImageModelDistributionSettings.weightDecay