ImageInstanceSegmentationJob Klas

Configuratie voor de taak Segmentatie van autoML-installatiekopieën.

Initialiseer een nieuwe taak voor het segmenteren van een exemplaar van een AutoML-installatiekopieën.

Overname

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

ImageInstanceSegmentationJob

Constructor

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

Parameters

primary_metric

Vereist

De primaire metrische waarde die moet worden gebruikt voor optimalisatie

kwargs

Vereist

Taakspecifieke argumenten

Methoden

dump	Dumpt de taakinhoud in een bestand in YAML-indeling.
extend_search_space	Zoekruimte toevoegen voor de taken AutoML Image Object Detection en Image Instance Segmentation.
set_data
set_limits	Instellingen beperken voor alle AutoML-afbeeldingsverticalen.
set_sweep	Veeginstellingen voor alle AutoML-afbeeldingsverticalen.
set_training_parameters	Trainingsparameters voor installatiekopieën instellen voor de taken AutoML Image Object Detection en Image Instance Segmentation.

dump

Dumpt de taakinhoud in een bestand in YAML-indeling.

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

Parameters

dest

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

Vereist

Het lokale pad of de bestandsstroom waar de YAML-inhoud naar moet worden geschreven. Als dest een bestandspad is, wordt er een nieuw bestand gemaakt. Als dest een geopend bestand is, wordt het bestand rechtstreeks naar geschreven.

kwargs

dict

Aanvullende argumenten die moeten worden doorgegeven aan de YAML-serializer.

Uitzonderingen

FileExistsError

Gegenereerd als dest een bestandspad is en het bestand al bestaat.

IOError

Gegenereerd als dest een geopend bestand is en het bestand niet beschrijfbaar is.

extend_search_space

Zoekruimte toevoegen voor de taken AutoML Image Object Detection en Image Instance Segmentation.

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

Parameters

value

Union[SearchSpace, List[SearchSpace]]

Vereist

De parameterruimte doorzoeken

Uitzonderingen

FileExistsError

Gegenereerd als dest een bestandspad is en het bestand al bestaat.

IOError

Gegenereerd als dest een geopend bestand is en het bestand niet beschrijfbaar is.

set_data

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

Uitzonderingen

FileExistsError

Gegenereerd als dest een bestandspad is en het bestand al bestaat.

IOError

Gegenereerd als dest een geopend bestand is en het bestand niet beschrijfbaar is.

set_limits

Instellingen beperken voor alle AutoML-afbeeldingsverticalen.

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

Parameters

timeout_minutes

timedelta

Time-out van AutoML-taak.

Uitzonderingen

FileExistsError

Gegenereerd als dest een bestandspad is en het bestand al bestaat.

IOError

Gegenereerd als dest een geopend bestand is en het bestand niet beschrijfbaar is.

set_sweep

Veeginstellingen voor alle AutoML-afbeeldingsverticalen.

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

Parameters

sampling_algorithm

Vereist. [Vereist] Type van de algoritmen voor het nemen van hyperparameters. Mogelijke waarden zijn: 'Grid', 'Random', 'Bayesian'.

early_termination

Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]

Type beleid voor vroegtijdige beëindiging.

Uitzonderingen

FileExistsError

Gegenereerd als dest een bestandspad is en het bestand al bestaat.

IOError

Gegenereerd als dest een geopend bestand is en het bestand niet beschrijfbaar is.

set_training_parameters

Trainingsparameters voor installatiekopieën instellen voor de taken AutoML Image Object Detection en Image Instance Segmentation.

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

Parameters

advanced_settings

str

Instellingen voor geavanceerde scenario's.

ams_gradient

bool

Schakel AMSGrad in wanneer de optimizer 'adam' of 'adamw' is.

beta1

float

Waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.

beta2

float

Waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.

checkpoint_frequency

int

Frequentie voor het opslaan van modelcontrolepunten. Moet een positief geheel getal zijn.

checkpoint_run_id

str

De id van een vorige uitvoering met een vooraf getraind controlepunt voor incrementele training.

distributed

bool

Of gedistribueerde training moet worden gebruikt.

early_stopping

bool

Schakel vroege stoplogica in tijdens de training.

early_stopping_delay

int

Minimum aantal tijdvakken of validatie-evaluaties dat moet worden gewacht voordat de primaire metrische verbetering wordt bijgehouden voor vroege stop. Moet een positief geheel getal zijn.

early_stopping_patience

int

Minimum aantal tijdvakken of validatie-evaluaties zonder verbetering van primaire metrische gegevens voordat de uitvoering wordt gestopt. Moet een positief geheel getal zijn.

enable_onnx_normalization

bool

Normalisatie inschakelen bij het exporteren van het ONNX-model.

evaluation_frequency

int

Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn.

gradient_accumulation_step

int

Bij het accumuleren van kleurovergangen wordt een geconfigureerd aantal stappen voor GradAccumulationStep uitgevoerd zonder het modelgewicht bij te werken terwijl de kleurovergangen van deze stappen worden verzameld en vervolgens de geaccumuleerde kleurovergangen worden gebruikt om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.

layers_to_freeze

Het aantal lagen dat voor het model moet worden geblokkeerd. Moet een positief geheel getal zijn. Het doorgeven van 2 als waarde voor 'seresnext' betekent bijvoorbeeld het bevriezen van laag0 en laag1. Zie voor een volledige lijst met ondersteunde modellen en details over laagblokkering: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long

learning_rate

float

Initiële leersnelheid. Moet een float in het bereik [0, 1] zijn.

learning_rate_scheduler

Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn. Mogelijke waarden zijn: "None", "WarmupCosine", "Step".

model_name

Naam van het model dat moet worden gebruikt voor training. Ga voor meer informatie over de beschikbare modellen naar de officiële documentatie: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

momentum

float

Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn.

nesterov

bool

Schakel nesterov in wanneer het optimalisatieprogramma 'sgd' is.

number_of_epochs

int

Aantal trainingstijdvakken. Moet een positief geheel getal zijn.

number_of_workers

int

Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn.

optimizer

Type optimalisatieprogramma. Mogelijke waarden zijn: 'None', 'Sgd', 'Adam', 'Adamw'.

random_seed

int

Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training.

step_lr_gamma

float

Waarde van gamma wanneer learning rate scheduler 'step' is. Moet een float in het bereik [0, 1] zijn.

step_lr_step_size

int

Waarde van stapgrootte wanneer learning rate scheduler 'step' is. Moet een positief geheel getal zijn.

training_batch_size

int

Grootte van de trainingsbatch. Moet een positief geheel getal zijn.

validation_batch_size

int

Grootte van validatiebatch. Moet een positief geheel getal zijn.

warmup_cosine_lr_cycles

float

De waarde van de cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn.

warmup_cosine_lr_warmup_epochs

int

Waarde van opwarmtijdvakken wanneer learning rate scheduler 'warmup_cosine' is. Moet een positief geheel getal zijn.

weight_decay

float

Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een vlotter in het bereik[0, 1] zijn.

box_detections_per_image

Maximum aantal detecties per afbeelding, voor alle klassen. Moet een positief geheel getal zijn. Opmerking: deze instellingen worden niet ondersteund voor het algoritme 'yolov5'.

box_score_threshold

float

Retourneer tijdens deductie alleen voorstellen met een classificatiescore die groter is dan BoxScoreThreshold. Moet een vlotter in het bereik[0, 1] zijn.

image_size

Afbeeldingsgrootte voor training en validatie. Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan in CUDA OOM komen als de grootte te groot is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme 'yolov5'.

max_size

Maximale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt verzonden. Moet een positief geheel getal zijn. Opmerking: trainingsuitvoering kan in CUDA OOM komen als de grootte te groot is. Opmerking: deze instellingen worden niet ondersteund voor het algoritme 'yolov5'.

min_size

Minimale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt verzonden. Moet een positief geheel getal zijn. Opmerking: trainingsuitvoering kan in CUDA OOM komen als de grootte te groot is. Opmerking: deze instellingen worden niet ondersteund voor het algoritme 'yolov5'.

model_size

Modelgrootte. Moet 'klein', 'gemiddeld', 'groot' of 'extra_large' zijn. Opmerking: de uitvoering van de training kan in CUDA OOM komen als de modelgrootte te groot is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme 'yolov5'.

multi_scale

Schakel afbeeldingen op meerdere schaal in door de grootte van de afbeelding te variëren met +/- 50%. Opmerking: de trainingsuitvoering kan in CUDA OOM komen als er onvoldoende GPU-geheugen is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme 'yolov5'.

nms_iou_threshold

float

IOU-drempelwaarde die wordt gebruikt tijdens deductie in NMS na verwerking. Moet zwevend zijn in het bereik [0, 1].

tile_grid_size

De rastergrootte die moet worden gebruikt voor het tegelen van elke afbeelding. Opmerking: TileGridSize mag geen Geen zijn om logica voor de detectie van kleine objecten in te schakelen. Een tekenreeks met twee gehele getallen in mxn-indeling.

tile_overlap_ratio

float

Overlapverhouding tussen aangrenzende tegels in elke dimensie. Moet zwevend zijn in het bereik [0, 1).

tile_predictions_nms_threshold

De IOU-drempelwaarde die moet worden gebruikt om NMS uit te voeren tijdens het samenvoegen van voorspellingen van tegels en afbeeldingen. Wordt gebruikt in validatie/deductie. Moet zwevend zijn in het bereik [0, 1]. NMS: Niet-maximale onderdrukking.

validation_iou_threshold

float

IOU-drempelwaarde die moet worden gebruikt bij het berekenen van de metrische validatiegegevens. Moet zwevend zijn in het bereik [0, 1].

validation_metric_type

str of ValidationMetricType

Metrische berekeningsmethode die moet worden gebruikt voor metrische validatiegegevens. Moet 'none', 'coco', 'voc' of 'coco_voc' zijn.

log_training_metrics

str of <xref:azure.mgmt.machinelearningservices.models.LogTrainingMetrics>

geeft aan of de metrische gegevens van de training moeten worden logboeken. Moet 'Inschakelen' of 'Uitschakelen' zijn

log_validation_loss

str of <xref:azure.mgmt.machinelearningservices.models.LogValidationLoss>

geeft aan of validatieverlies al dan niet moet worden gelogd. Moet 'Inschakelen' of 'Uitschakelen' zijn

Uitzonderingen

FileExistsError

Gegenereerd als dest een bestandspad is en het bestand al bestaat.

IOError

Gegenereerd als dest een geopend bestand is en het bestand niet beschrijfbaar is.

Kenmerken

base_path

Het basispad van de resource.

Retouren

Het basispad van de resource.

Retourtype

str

creation_context

De context voor het maken van de resource.

Retouren

De metagegevens voor het maken van de resource.

Retourtype

Optional[SystemData]

id

De resource-id.

Retouren

De globale id van de resource, een ARM-id (Azure Resource Manager).

Retourtype

Optional[str]

inputs

limits

log_files

Taakuitvoerbestanden.

Retouren

De woordenlijst met logboeknamen en URL's.

Retourtype

Optional[Dict[str, str]]

log_verbosity

outputs

primary_metric

search_space

status

De status van de taak.

Veelvoorkomende geretourneerde waarden zijn 'Wordt uitgevoerd', 'Voltooid' en 'Mislukt'. Alle mogelijke waarden zijn:

• NotStarted: dit is een tijdelijke status waarin Run-objecten aan de clientzijde zich bevinden voordat ze in de cloud worden verzonden.

• Starten: de uitvoering wordt verwerkt in de cloud. De aanroeper heeft op dit moment een uitvoerings-id.

• Inrichten: er wordt rekenproces op aanvraag gemaakt voor een bepaalde taakverzending.

• Voorbereiden: de uitvoeringsomgeving wordt voorbereid en bevindt zich in een van de volgende twee fasen:

  • Build van Docker-installatiekopieën

  • conda-omgeving instellen

• In wachtrij: de taak wordt in de wachtrij geplaatst op het rekendoel. In BatchAI bevindt de taak zich bijvoorbeeld in een wachtrijstatus

  terwijl u wacht tot alle aangevraagde knooppunten gereed zijn.

• Uitvoeren: de taak wordt uitgevoerd op het rekendoel.

• Voltooien: de uitvoering van de gebruikerscode is voltooid en de uitvoering bevindt zich in de naverwerkingsfasen.

• CancelRequested: annulering is aangevraagd voor de taak.

• Voltooid: de uitvoering is voltooid. Dit omvat zowel de uitvoering van de gebruikerscode als de uitvoering

  naverwerkingsfasen.

• Mislukt: de uitvoering is mislukt. Meestal geeft de eigenschap Error bij een uitvoering details over de reden.

• Geannuleerd: volgt een annuleringsaanvraag en geeft aan dat de uitvoering nu is geannuleerd.

• Reageert niet: voor uitvoeringen waarvoor Heartbeats is ingeschakeld, is er onlangs geen heartbeat verzonden.

Retouren

Status van de taak.

Retourtype

Optional[str]

studio_url

Azure ML Studio-eindpunt.

Retouren

De URL naar de pagina met taakgegevens.

Retourtype

Optional[str]

sweep

task_type

Taaktype ophalen.

Retouren

Het type taak dat moet worden uitgevoerd. Mogelijke waarden zijn: 'classificatie', 'regressie', 'voorspellen'.

Retourtype

str

test_data

Testgegevens ophalen.

Retouren

Invoer van gegevens testen

Retourtype

Input

training_data

Trainingsgegevens ophalen.

Retouren

Invoer van trainingsgegevens

Retourtype

Input

training_parameters

type

Het type taak.

Retouren

Het type taak.

Retourtype

Optional[str]

validation_data

Validatiegegevens ophalen.

Retouren

Invoer van validatiegegevens

Retourtype

Input