ImageInstanceSegmentationJob クラス

AutoML イメージ インスタンスのセグメント化ジョブの構成。

新しい AutoML イメージ インスタンスのセグメント化ジョブを初期化します。

継承

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

ImageInstanceSegmentationJob

コンストラクター

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

パラメーター

primary_metric

必須

最適化に使用する主なメトリック

kwargs

必須

ジョブ固有の引数

メソッド

dump	ジョブの内容を YAML 形式のファイルにダンプします。
extend_search_space	AutoML Image Object Detection タスクと Image Instance Segmentation タスクの検索スペースを追加します。
set_data
set_limits	すべての AutoML Image Verticals の設定を制限します。
set_sweep	すべての AutoML Image Verticals のスイープ設定。
set_training_parameters	AutoML 画像オブジェクト検出タスクと画像インスタンスセグメント化タスクの画像トレーニング パラメーターの設定。

dump

ジョブの内容を YAML 形式のファイルにダンプします。

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

パラメーター

dest

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

必須

YAML コンテンツを書き込むローカル パスまたはファイル ストリーム。 dest がファイル パスの場合は、新しいファイルが作成されます。 dest が開いているファイルの場合、ファイルは に直接書き込まれます。

kwargs

dict

YAML シリアライザーに渡す追加の引数。

例外

FileExistsError

dest がファイル パスであり、ファイルが既に存在する場合に発生します。

IOError

dest が開いているファイルで、ファイルが書き込み可能でない場合に発生します。

extend_search_space

AutoML Image Object Detection タスクと Image Instance Segmentation タスクの検索スペースを追加します。

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

パラメーター

value

Union[SearchSpace, List[SearchSpace]]

必須

パラメーター空間を検索する

例外

FileExistsError

dest がファイル パスであり、ファイルが既に存在する場合に発生します。

IOError

dest が開いているファイルで、ファイルが書き込み可能でない場合に発生します。

set_data

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

例外

FileExistsError

dest がファイル パスであり、ファイルが既に存在する場合に発生します。

IOError

dest が開いているファイルで、ファイルが書き込み可能でない場合に発生します。

set_limits

すべての AutoML Image Verticals の設定を制限します。

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

パラメーター

timeout_minutes

timedelta

AutoML ジョブのタイムアウト。

例外

FileExistsError

dest がファイル パスであり、ファイルが既に存在する場合に発生します。

IOError

dest が開いているファイルで、ファイルが書き込み可能でない場合に発生します。

set_sweep

すべての AutoML Image Verticals のスイープ設定。

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

パラメーター

sampling_algorithm

必須。 [必須]ハイパーパラメーター サンプリング アルゴリズムの種類。 使用できる値は、"Grid"、"Random"、"Bayesian" です。

early_termination

Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]

早期終了ポリシーの種類。

例外

FileExistsError

dest がファイル パスであり、ファイルが既に存在する場合に発生します。

IOError

dest が開いているファイルで、ファイルが書き込み可能でない場合に発生します。

set_training_parameters

AutoML 画像オブジェクト検出タスクと画像インスタンスセグメント化タスクの画像トレーニング パラメーターの設定。

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

パラメーター

advanced_settings

str

高度なシナリオの設定。

ams_gradient

bool

オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。

beta1

float

オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float にする必要があります。

beta2

float

オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float にする必要があります。

checkpoint_frequency

int

モデル チェックポイントを格納する頻度。 正の整数にする必要があります。

checkpoint_run_id

str

増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。

distributed

bool

分散トレーニングを使用するかどうか。

early_stopping

bool

トレーニング中に早期停止ロジックを有効にします。

early_stopping_delay

int

プライマリ メトリックの改善が早期停止のために追跡されるまで待機するエポックまたは検証評価の最小数。 正の整数にする必要があります。

early_stopping_patience

int

実行が停止する前に主要なメトリックの改善がないエポックまたは検証評価の最小数。 正の整数にする必要があります。

enable_onnx_normalization

bool

ONNX モデルをエクスポートするときに正規化を有効にします。

evaluation_frequency

int

メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。

gradient_accumulation_step

int

グラデーションの累積とは、モデルの重みを更新せずに構成された数の "GradAccumulationStep" ステップを実行し、それらのステップの勾配を蓄積し、累積勾配を使用して重みの更新を計算することを意味します。 正の整数にする必要があります。

layers_to_freeze

モデルのフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すと、レイヤー 0 とレイヤー 1 がフリーズします。 サポートされているモデルの完全な一覧とレイヤーのフリーズの詳細については、次を参照してください。 https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters # pylint: disable=line-too-long

learning_rate

float

初期学習率。 範囲 [0, 1] の float にする必要があります。

learning_rate_scheduler

学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 使用できる値は、"None"、"WarmupCosine"、"Step" です。

model_name

トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models

momentum

float

オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float にする必要があります。

nesterov

bool

オプティマイザーが 'sgd' の場合は nesterov を有効にします。

number_of_epochs

int

トレーニング エポックの数。 正の整数にする必要があります。

number_of_workers

int

データ ローダー ワーカーの数。 負以外の整数である必要があります。

optimizer

オプティマイザーの種類。 使用できる値は、"None"、"Sgd"、"Adam"、"Adamw" です。

random_seed

int

決定論的トレーニングを使用するときに使用されるランダム シード。

step_lr_gamma

float

学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float にする必要があります。

step_lr_step_size

int

学習率スケジューラが "step" の場合のステップ サイズの値。 正の整数にする必要があります。

training_batch_size

int

トレーニング バッチ サイズ。 正の整数にする必要があります。

validation_batch_size

int

検証バッチ サイズ。 正の整数にする必要があります。

warmup_cosine_lr_cycles

float

学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float にする必要があります。

warmup_cosine_lr_warmup_epochs

int

学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。

weight_decay

float

オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。

box_detections_per_image

すべてのクラスで、画像あたりの最大検出数。 正の整数にする必要があります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。

box_score_threshold

float

推論中は、分類スコアが BoxScoreThreshold より大きい提案のみを返します。 範囲 [0, 1] の float である必要があります。

image_size

トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、"yolov5" アルゴリズムでのみサポートされています。

max_size

バックボーンにフィードする前に再スケーリングする画像の最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎる場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。

min_size

バックボーンにフィードする前に再スケーリングする画像の最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎる場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。

model_size

モデルのサイズ。 'small'、'medium'、'large'、または 'extra_large' である必要があります。 注: モデルのサイズが大きすぎる場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、"yolov5" アルゴリズムでのみサポートされています。

multi_scale

イメージ サイズを +/- 50% 変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、"yolov5" アルゴリズムでのみサポートされています。

nms_iou_threshold

float

NMS の後処理で推論中に使用される IOU しきい値。 [0, 1] の範囲内で float である必要があります。

tile_grid_size

各画像のタイルに使用するグリッド サイズ。 注: 小さな物体検出ロジックを有効にするには、TileGridSize を None にすることはできません。 mxn 形式の 2 つの整数を含む文字列。

tile_overlap_ratio

float

各ディメンションの隣接するタイル間のオーバーラップ率。 [0, 1) の範囲内で float である必要があります。

tile_predictions_nms_threshold

タイルおよび画像から予測をマージしながら NMS を実行するために使用する IOU しきい値。 検証や推論で使用されます。 [0, 1] の範囲内で float である必要があります。 NMS: 非最大抑制。

validation_iou_threshold

float

検証メトリックを計算するときに使用する IOU しきい値。 [0, 1] の範囲内で float である必要があります。

validation_metric_type

str または ValidationMetricType

検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。

log_training_metrics

str または <xref:azure.mgmt.machinelearningservices.models.LogTrainingMetrics>

は、トレーニング メトリックをログに記録するかどうかを示します。 'Enable' または 'Disable' である必要があります

log_validation_loss

str または <xref:azure.mgmt.machinelearningservices.models.LogValidationLoss>

は、検証の損失をログに記録するかどうかを示します。 'Enable' または 'Disable' である必要があります

例外

FileExistsError

dest がファイル パスであり、ファイルが既に存在する場合に発生します。

IOError

dest が開いているファイルで、ファイルが書き込み可能でない場合に発生します。

属性

base_path

リソースのベース パス。

戻り値

リソースのベース パス。

の戻り値の型 :

str

creation_context

リソースの作成コンテキスト。

戻り値

リソースの作成メタデータ。

の戻り値の型 :

Optional[SystemData]

id

リソース ID。

戻り値

リソースのグローバル ID、Azure Resource Manager (ARM) ID。

の戻り値の型 :

Optional[str]

inputs

limits

log_files

ジョブ出力ファイル。

戻り値

ログ名と URL のディクショナリ。

の戻り値の型 :

Optional[Dict[str, str]]

log_verbosity

outputs

primary_metric

search_space

status

ジョブの状態。

一般的には "Running"、"Completed"、"Failed" などの値が返されます。 使用可能なすべての値は次のとおりです。

• NotStarted - これは、クラウドの送信前にクライアント側の Run オブジェクトが存在する一時的な状態です。

• Starting - クラウドで Run が処理され始めています。 この時点で、呼び出し元に実行 ID があります。

• プロビジョニング - 特定のジョブの送信に対してオンデマンド コンピューティングが作成されています。

• 準備中 - 実行環境は準備中であり、次の 2 つの段階のいずれかにあります。

  • Docker イメージのビルド

  • Conda 環境のセットアップ

• Queued - ジョブはコンピューティング 先でキューに登録されます。 たとえば、BatchAI では、ジョブはキューに登録された状態です

  要求されたノードの準備が整うのを待機しています。

• 実行中 - ジョブがコンピューティング 先で実行を開始しました。

• 最終処理 - ユーザー コードの実行が完了し、実行は処理後の段階にあります。

• CancelRequested - ジョブに対してキャンセルが要求されました。

• 完了 - 実行が正常に完了しました。 これには、ユーザー コードの実行と実行の両方が含まれます

  後処理のステージ。

• Failed - 実行に失敗しました。 通常は実行の Error プロパティで、理由に関する詳細が提供されます。

• Canceled - キャンセル要求に従い、実行が現在正常にキャンセルされたことを示します。

• NotResponding - ハートビートが有効になっている実行の場合、最近ハートビートが送信されていません。

戻り値

ジョブの状態。

の戻り値の型 :

Optional[str]

studio_url

Azure ML Studio エンドポイント。

戻り値

ジョブの詳細ページへの URL。

の戻り値の型 :

Optional[str]

sweep

task_type

タスクの種類を取得します。

戻り値

実行するタスクの種類。 使用できる値は、"classification"、"regression"、"forecasting" です。

の戻り値の型 :

str

test_data

テスト データを取得します。

戻り値

データ入力をテストする

の戻り値の型 :

Input

training_data

トレーニング データを取得します。

戻り値

トレーニング データ入力

の戻り値の型 :

Input

training_parameters

type

ジョブの種類。

戻り値

ジョブの種類。

の戻り値の型 :

Optional[str]

validation_data

検証データを取得します。

戻り値

検証データの入力

の戻り値の型 :

Input