ImageObjectDetectionSearchSpace Classe

Cercare spazio per le attività rilevamento oggetti immagine autoML e segmentazione dell'istanza di immagine.

Ereditarietà

azure.ai.ml.entities._mixins.RestTranslatableMixin

ImageObjectDetectionSearchSpace

Costruttore

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)

Parametri

ams_gradient

bool oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

beta1

float oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

beta2

float oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

distributed

bool oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

Se usare il training di distributer.

early_stopping

bool oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

Abilitare la logica di arresto anticipato durante il training.

early_stopping_delay

int oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

Abilitare la normalizzazione durante l'esportazione del modello ONNX.

evaluation_frequency

int oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

gradient_accumulation_step

int oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

int oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

Necessario

Frequenza iniziale di apprendimento. Deve essere un float nell'intervallo [0, 1]. :type learning_rate: float o ~azure.ai.ml.entityes.SweepDistribution

learning_rate_scheduler

str oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

model_name

str oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

nesterov

bool oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

Abilitare nesterov quando optimizer è "sgd".

number_of_epochs

int oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

Numero di epoche di training. Deve essere un intero positivo.

number_of_workers

int oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

optimizer

str oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

Tipo di optimizer. Deve essere "sgd", "adam" o "adamw".

random_seed

int oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

Inizializzazione casuale da usare quando si usa training deterministico.

step_lr_gamma

float oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

Dimensioni batch di training. Deve essere un intero positivo.

validation_batch_size

int oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

Dimensioni batch di convalida. Deve essere un intero positivo.

warmup_cosine_lr_cycles

float oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

weight_decay

int oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

box_detections_per_image

int oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

int oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

Necessario

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". :type max_size: int o ~azure.ai.ml.entityes.SweepDistribution

min_size

int oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

str oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

bool oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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

tile_grid_size

str oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

Rapporto di sovrapposizione tra riquadri adiacenti in ogni dimensione. Deve essere float nell'intervallo [0, 1).

tile_predictions_nms_threshold

float oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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 oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

Soglia di IOU da usare quando si calcola la metrica di convalida. Deve essere float nell'intervallo [0, 1].

validation_metric_type

str oppure <xref:azure.ai.ml.entities.SweepDistribution>

Necessario

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