ImageObjectDetectionJob Classe
Configurazione per il processo di rilevamento oggetti immagine autoML.
Inizializzare un nuovo processo di rilevamento oggetti immagine AutoML.
- Ereditarietà
-
azure.ai.ml.entities._job.automl.image.automl_image_object_detection_base.AutoMLImageObjectDetectionBaseImageObjectDetectionJob
Costruttore
ImageObjectDetectionJob(*, primary_metric: str | ObjectDetectionPrimaryMetrics | None = None, **kwargs)
Parametri
- primary_metric
Metrica primaria da usare per l'ottimizzazione
- kwargs
Argomenti specifici del processo
Metodi
dump |
Esegue il dump del contenuto del processo in un file in formato YAML. |
extend_search_space |
Aggiungere spazio di ricerca per le attività di rilevamento oggetti immagine autoML e segmentazione dell'istanza di immagine. |
set_data | |
set_limits |
Limitare le impostazioni per tutti i verticali dell'immagine AutoML. |
set_sweep |
Impostazioni di sweep per tutte le verticali dell'immagine AutoML. |
set_training_parameters |
Impostazione dei parametri di training delle immagini per le attività di rilevamento oggetti immagine autoML e segmentazione dell'istanza di immagine. |
dump
Esegue il dump del contenuto del processo in un file in formato YAML.
dump(dest: str | PathLike | IO, **kwargs) -> None
Parametri
Percorso locale o flusso di file in cui scrivere il contenuto YAML. Se il massimo è un percorso di file, verrà creato un nuovo file. Se il massimo è un file aperto, il file verrà scritto direttamente.
- kwargs
- dict
Argomenti aggiuntivi da passare al serializzatore YAML.
Eccezioni
Generato se il numero massimo è un percorso di file e il file esiste già.
Generato se il massimo è un file aperto e il file non è scrivibile.
extend_search_space
Aggiungere spazio di ricerca per le attività di rilevamento oggetti immagine autoML e segmentazione dell'istanza di immagine.
extend_search_space(value: SearchSpace | List[SearchSpace]) -> None
Parametri
Eccezioni
Generato se il numero massimo è un percorso di file e il file esiste già.
Generato se il massimo è un file aperto e il file non è scrivibile.
set_data
set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None
Eccezioni
Generato se il numero massimo è un percorso di file e il file esiste già.
Generato se il massimo è un file aperto e il file non è scrivibile.
set_limits
Limitare le impostazioni per tutti i verticali dell'immagine AutoML.
set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> None
Parametri
- timeout_minutes
- timedelta
Timeout del processo AutoML.
Eccezioni
Generato se il numero massimo è un percorso di file e il file esiste già.
Generato se il massimo è un file aperto e il file non è scrivibile.
set_sweep
Impostazioni di sweep per tutte le verticali dell'immagine AutoML.
set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> None
Parametri
- sampling_algorithm
Obbligatorio. [Obbligatorio] Tipo degli algoritmi di campionamento degli iperparametri. I valori possibili includono: "Grid", "Random", "Bayesian".
- early_termination
- Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]
Tipo di criterio di terminazione anticipata.
Eccezioni
Generato se il numero massimo è un percorso di file e il file esiste già.
Generato se il massimo è un file aperto e il file non è scrivibile.
set_training_parameters
Impostazione dei parametri di training delle immagini per le attività di rilevamento oggetti immagine autoML e segmentazione dell'istanza di immagine.
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
Parametri
- advanced_settings
- str
Impostazioni per scenari avanzati.
- ams_gradient
- bool
Abilitare AMSGrad quando optimizer è 'adam' o 'adamw'.
- beta1
- float
Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1].
- beta2
- float
Valore "beta2" quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1].
- checkpoint_frequency
- int
Frequenza per archiviare i checkpoint del modello. Deve essere un intero positivo.
- checkpoint_run_id
- str
ID di un'esecuzione precedente con un checkpoint pre-sottoposto a training per il training incrementale.
- distributed
- bool
Se usare il training distribuito.
- early_stopping
- bool
Abilitare la logica di arresto anticipato durante il training.
- early_stopping_delay
- int
Numero minimo di periodi o valutazioni di convalida da attendere prima che il miglioramento della metrica primaria venga monitorato per l'arresto anticipato. Deve essere un intero positivo.
- early_stopping_patience
- int
Numero minimo di periodi o valutazioni di convalida senza miglioramenti della metrica primaria prima dell'arresto dell'esecuzione. Deve essere un intero positivo.
- enable_onnx_normalization
- bool
Abilitare la normalizzazione durante l'esportazione del modello ONNX.
- evaluation_frequency
- int
Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo.
- gradient_accumulation_step
- int
L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornare i pesi del modello accumulando le sfumature di tali passaggi e quindi usando le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo.
- layers_to_freeze
Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, il passaggio di 2 come valore per 'seresnext' indica il blocco di layer0 e layer1. Per un elenco completo di modelli supportati e dettagli sul blocco del livello, vedere: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-to-long
- learning_rate
- float
Frequenza iniziale di apprendimento. Deve essere un float nell'intervallo [0, 1].
- learning_rate_scheduler
Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". I valori possibili includono: "None", "WarmupCosine", "Passaggio".
- model_name
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
- float
Valore di slancio quando optimizer è "sgd". Deve essere un float nell'intervallo [0, 1].
- nesterov
- bool
Abilitare nesterov quando optimizer è "sgd".
- number_of_epochs
- int
Numero di epoche di training. Deve essere un intero positivo.
- number_of_workers
- int
Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo.
- optimizer
Tipo di optimizer. I valori possibili includono: "None", "Sgd", "Adam", "Adamw".
- random_seed
- int
Inizializzazione casuale da usare quando si usa training deterministico.
- step_lr_gamma
- float
Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1].
- step_lr_step_size
- int
Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo.
- training_batch_size
- int
Dimensioni batch di training. Deve essere un intero positivo.
- validation_batch_size
- int
Dimensioni batch di convalida. Deve essere un intero positivo.
- warmup_cosine_lr_cycles
- float
Valore del ciclo cosno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un float nell'intervallo [0, 1].
- warmup_cosine_lr_warmup_epochs
- int
Valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo.
- weight_decay
- float
Valore del decadimento del peso quando optimizer è "sgd", "adam" o "adamw". Deve essere un float nell'intervallo[0, 1].
- box_detections_per_image
Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un intero positivo. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".
- box_score_threshold
- float
Durante l'inferenza, restituisce solo le proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. Deve essere un float nell'intervallo[0, 1].
- image_size
Dimensioni dell'immagine per il training e la convalida. Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".
- max_size
Dimensioni massime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".
- min_size
Dimensioni minime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".
- model_size
Dimensioni del modello. Deve essere "small", "medium", "large" o "extra_large". Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni del modello sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".
- multi_scale
Abilitare l'immagine su più scalabilità variando di dimensioni dell'immagine per +/- 50%. Nota: l'esecuzione del training può entrare in CUDA OOM se non è sufficiente memoria GPU. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".
- nms_iou_threshold
- float
Soglia IOU usata durante l'inferenza nel post-elaborazione di NMS. Deve essere float nell'intervallo [0, 1].
- tile_grid_size
Dimensioni della griglia da usare per l'associazione di ogni immagine. Nota: TileGridSize non deve essere Nessuno per abilitare la logica di rilevamento di oggetti di piccole dimensioni. Stringa contenente due interi in formato mxn.
- tile_overlap_ratio
- float
Rapporto di sovrapposizione tra riquadri adiacenti in ogni dimensione. Deve essere float nell'intervallo [0, 1).
- tile_predictions_nms_threshold
Soglia IOU da usare per eseguire NMS durante l'unione delle stime dai riquadri e dall'immagine. Usato nella convalida/inferenza. Deve essere float nell'intervallo [0, 1]. NMS: eliminazione non massima.
- validation_iou_threshold
- float
Soglia di IOU da usare quando si calcola la metrica di convalida. Deve essere float nell'intervallo [0, 1].
- validation_metric_type
- str oppure ValidationMetricType
Metodo di calcolo metrica da usare per le metriche di convalida. Deve essere "none", "coco", "voc" o "coco_voc".
- log_training_metrics
- str oppure <xref:azure.mgmt.machinelearningservices.models.LogTrainingMetrics>
indica se registrare o meno le metriche di training. Deve essere "Abilita" o "Disabilita"
- log_validation_loss
- str oppure <xref:azure.mgmt.machinelearningservices.models.LogValidationLoss>
indica se registrare o meno la perdita di convalida. Deve essere "Abilita" o "Disabilita"
Eccezioni
Generato se il numero massimo è un percorso di file e il file esiste già.
Generato se il massimo è un file aperto e il file non è scrivibile.
Attributi
base_path
creation_context
Contesto di creazione della risorsa.
Restituisce
Metadati di creazione per la risorsa.
Tipo restituito
id
L'ID della risorsa.
Restituisce
ID globale della risorsa, ID di Azure Resource Manager (ARM).
Tipo restituito
inputs
limits
log_files
File di output del processo.
Restituisce
Dizionario di nomi e URL di log.
Tipo restituito
log_verbosity
outputs
primary_metric
search_space
status
Stato del processo.
I valori comuni restituiti includono "Running", "Completed" e "Failed". Tutti i valori possibili sono:
NotStarted: questo è uno stato temporaneo in cui gli oggetti Run lato client si trovano prima dell'invio nel cloud.
Avvio: l'esecuzione è stata avviata nell'elaborazione nel cloud. Il chiamante ha un ID di esecuzione a questo punto.
Provisioning: l'elaborazione su richiesta viene creata per un invio di processo specificato.
Preparazione: l'ambiente di esecuzione è in fase di preparazione ed è in una delle due fasi seguenti:
Compilazione di immagini Docker
configurazione dell'ambiente conda
Accodato: il processo viene accodato nella destinazione di calcolo. Ad esempio, in BatchAI il processo si trova in uno stato in coda
in attesa che tutti i nodi richiesti siano pronti.
Esecuzione: il processo è stato avviato per l'esecuzione nella destinazione di calcolo.
Finalizzazione: l'esecuzione del codice utente è stata completata e l'esecuzione è in fasi di post-elaborazione.
CancelRequested: l'annullamento è stato richiesto per il processo.
Completato: l'esecuzione è stata completata correttamente. Ciò include sia l'esecuzione del codice utente che l'esecuzione
fasi di post-elaborazione.
Impossibile: l'esecuzione non è riuscita. In genere la proprietà Error in un'esecuzione fornisce informazioni dettagliate sul motivo.
Annullata: segue una richiesta di annullamento e indica che l'esecuzione è stata annullata correttamente.
NotResponding: per le esecuzioni abilitate per Heartbeat, non è stato inviato di recente alcun heartbeat.
Restituisce
Stato del processo.
Tipo restituito
studio_url
Endpoint di Azure ML Studio.
Restituisce
URL della pagina dei dettagli del processo.
Tipo restituito
sweep
task_type
Ottenere il tipo di attività.
Restituisce
Tipo di attività da eseguire. I valori possibili includono: "classificazione", "regressione", "previsione".
Tipo restituito
test_data
training_data
training_parameters
type
validation_data
Azure SDK for Python
Commenti e suggerimenti
https://aka.ms/ContentUserFeedback.
Presto disponibile: Nel corso del 2024 verranno gradualmente disattivati i problemi di GitHub come meccanismo di feedback per il contenuto e ciò verrà sostituito con un nuovo sistema di feedback. Per altre informazioni, vedereInvia e visualizza il feedback per