Condividi tramite

ImageModelDistributionSettingsObjectDetection interface

Pacchetto:
@azure/arm-machinelearning

Espressioni di distribuzione per eseguire lo sweep sui valori delle impostazioni del modello. <esempio> Alcuni esempi sono:

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.
Extends
ImageModelDistributionSettings

Proprietà

boxDetectionsPerImage

Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un numero intero positivo. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".
boxScoreThreshold

Durante l'inferenza, restituisce solo proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. Deve essere un valore float nell'intervallo[0, 1].
imageSize

Dimensioni dell'immagine per il training e la convalida. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".
maxSize

Dimensioni massime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".
minSize

Dimensioni minime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".
modelSize

Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge". Nota: se le dimensioni del modello sono troppo grandi, l'esecuzione del training può entrare nell'OOM CUDA. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".
multiScale

Abilitare l'immagine su più scalabilità variando le dimensioni dell'immagine per +/- 50%. Nota: l'esecuzione del training può entrare nell'OOM CUDA se non è sufficiente memoria GPU. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".
nmsIouThreshold

Soglia IOU usata durante l'inferenza in NMS post-elaborazione. Deve essere float nell'intervallo [0, 1].
tileGridSize

Dimensioni della griglia da usare per collegare ogni immagine. Nota: TileGridSize non deve essere Nessuno per abilitare la logica di rilevamento oggetti di piccole dimensioni. Stringa contenente due numeri interi in formato mxn. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".
tileOverlapRatio

Rapporto di sovrapposizione tra riquadri adiacenti in ogni dimensione. Deve essere float nell'intervallo [0, 1). Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".
tilePredictionsNmsThreshold

Soglia IOU da usare per eseguire NMS durante l'unione di stime da riquadri e immagini. Usato nella convalida/inferenza. Deve essere float nell'intervallo [0, 1]. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". NMS: eliminazione non massima
validationIouThreshold

Soglia IOU da usare durante il calcolo della metrica di convalida. Deve essere float nell'intervallo [0, 1].
validationMetricType

Metodo di calcolo delle metriche da usare per le metriche di convalida. Deve essere "none", "coco", "voc" o "coco_voc".

Proprietà ereditate

amsGradient

Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'.
augmentations

Impostazioni per l'uso di Augmentations.
beta1

Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1].
beta2

Valore di 'beta2' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1].
distributed

Indica se usare il training di distributer.
earlyStopping

Abilitare la logica di arresto anticipato durante il training.
earlyStoppingDelay

Numero minimo di periodi o valutazioni di convalida da attendere prima che venga rilevato il miglioramento delle metriche primarie per l'arresto anticipato. Deve essere un numero intero positivo.
earlyStoppingPatience

Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima dell'arresto dell'esecuzione. Deve essere un numero intero positivo.
enableOnnxNormalization

Abilitare la normalizzazione durante l'esportazione del modello ONNX.
evaluationFrequency

Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un numero intero positivo.
gradientAccumulationStep

L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornare i pesi del modello durante l'accumulo delle sfumature di tali passaggi e quindi usare le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un numero intero positivo.
layersToFreeze

Numero di livelli da bloccare per il modello. Deve essere un numero intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa congelamento layer0 e layer1. Per un elenco completo dei modelli supportati e dei dettagli sul blocco del livello, vedere: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate

Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1].
learningRateScheduler

Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio".
modelName

Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum

Valore di momentum quando optimizer è 'sgd'. Deve essere un valore float nell'intervallo [0, 1].
nesterov

Abilitare nesterov quando optimizer è "sgd".
numberOfEpochs

Numero di periodi di training. Deve essere un numero intero positivo.
numberOfWorkers

Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo.
optimizer

Tipo di ottimizzatore. Deve essere 'sgd', 'adam', o 'adamw'.
randomSeed

Valore di inizializzazione casuale da usare quando si usa il training deterministico.
stepLRGamma

Il valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è 'step'. Deve essere un valore float nell'intervallo [0, 1].
stepLRStepSize

Valore delle dimensioni del passaggio quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un numero intero positivo.
trainingBatchSize

Dimensioni batch di training. Deve essere un numero intero positivo.
validationBatchSize

Dimensioni batch di convalida. Deve essere un numero intero positivo.
warmupCosineLRCycles

Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float nell'intervallo [0, 1].
warmupCosineLRWarmupEpochs

Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un numero intero positivo.
weightDecay

Valore del decadimento del peso quando optimizer è 'sgd', 'adam' o 'adamw'. Deve essere un valore float nell'intervallo[0, 1].

Dettagli proprietà

boxDetectionsPerImage

Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un numero intero positivo. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".

boxDetectionsPerImage?: string

Valore della proprietà

string

boxScoreThreshold

Durante l'inferenza, restituisce solo proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. Deve essere un valore float nell'intervallo[0, 1].

boxScoreThreshold?: string

Valore della proprietà

string

imageSize

Dimensioni dell'immagine per il training e la convalida. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".

imageSize?: string

Valore della proprietà

string

maxSize

Dimensioni massime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".

maxSize?: string

Valore della proprietà

string

minSize

Dimensioni minime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".

minSize?: string

Valore della proprietà

string

modelSize

Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge". Nota: se le dimensioni del modello sono troppo grandi, l'esecuzione del training può entrare nell'OOM CUDA. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".

modelSize?: string

Valore della proprietà

string

multiScale

Abilitare l'immagine su più scalabilità variando le dimensioni dell'immagine per +/- 50%. Nota: l'esecuzione del training può entrare nell'OOM CUDA se non è sufficiente memoria GPU. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".

multiScale?: string

Valore della proprietà

string

nmsIouThreshold

Soglia IOU usata durante l'inferenza in NMS post-elaborazione. Deve essere float nell'intervallo [0, 1].

nmsIouThreshold?: string

Valore della proprietà

string

tileGridSize

Dimensioni della griglia da usare per collegare ogni immagine. Nota: TileGridSize non deve essere Nessuno per abilitare la logica di rilevamento oggetti di piccole dimensioni. Stringa contenente due numeri interi in formato mxn. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".

tileGridSize?: string

Valore della proprietà

string

tileOverlapRatio

Rapporto di sovrapposizione tra riquadri adiacenti in ogni dimensione. Deve essere float nell'intervallo [0, 1). Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".

tileOverlapRatio?: string

Valore della proprietà

string

tilePredictionsNmsThreshold

Soglia IOU da usare per eseguire NMS durante l'unione di stime da riquadri e immagini. Usato nella convalida/inferenza. Deve essere float nell'intervallo [0, 1]. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". NMS: eliminazione non massima

tilePredictionsNmsThreshold?: string

Valore della proprietà

string

validationIouThreshold

Soglia IOU da usare durante il calcolo della metrica di convalida. Deve essere float nell'intervallo [0, 1].

validationIouThreshold?: string

Valore della proprietà

string

validationMetricType

Metodo di calcolo delle metriche da usare per le metriche di convalida. Deve essere "none", "coco", "voc" o "coco_voc".

validationMetricType?: string

Valore della proprietà

string

Dettagli proprietà ereditate

amsGradient

Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'.

amsGradient?: string

Valore della proprietà

string

Ereditato daImageModelDistributionSettings.amsGradient

augmentations

Impostazioni per l'uso di Augmentations.

augmentations?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.augmentations

beta1

Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1].

beta1?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.beta1

beta2

Valore di 'beta2' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1].

beta2?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.beta2

distributed

Indica se usare il training di distributer.

distributed?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.distributed

earlyStopping

Abilitare la logica di arresto anticipato durante il training.

earlyStopping?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.earlyStopping

earlyStoppingDelay

Numero minimo di periodi o valutazioni di convalida da attendere prima che venga rilevato il miglioramento delle metriche primarie per l'arresto anticipato. Deve essere un numero intero positivo.

earlyStoppingDelay?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.earlyStoppingDelay

earlyStoppingPatience

Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima dell'arresto dell'esecuzione. Deve essere un numero intero positivo.

earlyStoppingPatience?: string

Valore della proprietà

string

Ereditato daImageModelDistributionSettings.earlyStoppingPatience

enableOnnxNormalization

Abilitare la normalizzazione durante l'esportazione del modello ONNX.

enableOnnxNormalization?: string

Valore della proprietà

string

Ereditato daImageModelDistributionSettings.enableOnnxNormalization

evaluationFrequency

Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un numero intero positivo.

evaluationFrequency?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.evaluationFrequency

gradientAccumulationStep

L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornare i pesi del modello durante l'accumulo delle sfumature di tali passaggi e quindi usare le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un numero intero positivo.

gradientAccumulationStep?: string

Valore della proprietà

string

Ereditato daImageModelDistributionSettings.gradientAccumulationStep

layersToFreeze

Numero di livelli da bloccare per il modello. Deve essere un numero intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa congelamento layer0 e layer1. Per un elenco completo dei modelli supportati e dei dettagli sul blocco del livello, vedere: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: string

Valore della proprietà

string

Ereditato daImageModelDistributionSettings.layersToFreeze

learningRate

Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1].

learningRate?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.learningRate

learningRateScheduler

Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio".

learningRateScheduler?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.learningRateScheduler

modelName

Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Valore della proprietà

string

Ereditato daImageModelDistributionSettings.modelName

momentum

Valore di momentum quando optimizer è 'sgd'. Deve essere un valore float nell'intervallo [0, 1].

momentum?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.momentum

nesterov

Abilitare nesterov quando optimizer è "sgd".

nesterov?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.nesterov

numberOfEpochs

Numero di periodi di training. Deve essere un numero intero positivo.

numberOfEpochs?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.numberOfEpochs

numberOfWorkers

Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo.

numberOfWorkers?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.numberOfWorkers

optimizer

Tipo di ottimizzatore. Deve essere 'sgd', 'adam', o 'adamw'.

optimizer?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.optimizer

randomSeed

Valore di inizializzazione casuale da usare quando si usa il training deterministico.

randomSeed?: string

Valore della proprietà

string

ereditato daImageModelDistributionSettings.randomSeed

stepLRGamma

Il valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è 'step'. Deve essere un valore float nell'intervallo [0, 1].

stepLRGamma?: string

Valore della proprietà

string

Ereditato daImageModelDistributionSettings.stepLRGamma

stepLRStepSize

Valore delle dimensioni del passaggio quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un numero intero positivo.

stepLRStepSize?: string

Valore della proprietà

string

Ereditato daImageModelDistributionSettings.stepLRStepSize

trainingBatchSize

Dimensioni batch di training. Deve essere un numero intero positivo.

trainingBatchSize?: string

Valore della proprietà

string

Ereditato daImageModelDistributionSettings.trainingBatchSize

validationBatchSize

Dimensioni batch di convalida. Deve essere un numero intero positivo.

validationBatchSize?: string

Valore della proprietà

string

Ereditato daImageModelDistributionSettings.validationBatchSize

warmupCosineLRCycles

Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float nell'intervallo [0, 1].

warmupCosineLRCycles?: string

Valore della proprietà

string

Ereditato daImageModelDistributionSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un numero intero positivo.

warmupCosineLRWarmupEpochs?: string

Valore della proprietà

string

Ereditato daImageModelDistributionSettings.warmupCosineLRWarmupEpochs

weightDecay

Valore del decadimento del peso quando optimizer è 'sgd', 'adam' o 'adamw'. Deve essere un valore float nell'intervallo[0, 1].

weightDecay?: string

Valore della proprietà

string

Ereditato daImageModelDistributionSettings.weightDecay