ImageObjectDetectionSearchSpace Klas

Zoekruimte naar autoML-afbeeldingsobjectdetectie en segmentatietaken van afbeeldingsexemplaar.

Overname

azure.ai.ml.entities._mixins.RestTranslatableMixin

ImageObjectDetectionSearchSpace

Constructor

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)

Parameters

ams_gradient

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

Vereist

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

beta1

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

Vereist

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

beta2

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

Vereist

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

distributed

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

Vereist

Of u distributietraining moet gebruiken.

early_stopping

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

Vereist

Schakel vroege stoplogica in tijdens de training.

early_stopping_delay

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

Vereist

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

Vereist

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

Vereist

Normalisatie inschakelen bij het exporteren van het ONNX-model.

evaluation_frequency

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

Vereist

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

gradient_accumulation_step

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

Vereist

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

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

Vereist

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

Vereist

Initiële leersnelheid. Moet een float in het bereik [0, 1] zijn. :type learning_rate: float of ~azure.ai.ml.entities.SweepDistribution

learning_rate_scheduler

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

Vereist

Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn.

model_name

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

Vereist

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

Vereist

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

nesterov

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

Vereist

Schakel nesterov in wanneer het optimalisatieprogramma 'sgd' is.

number_of_epochs

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

Vereist

Aantal trainingstijdvakken. Moet een positief geheel getal zijn.

number_of_workers

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

Vereist

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

optimizer

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

Vereist

Type optimalisatieprogramma. Moet 'sgd', 'adam' of 'adamw' zijn.

random_seed

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

Vereist

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

step_lr_gamma

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

Vereist

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

step_lr_step_size

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

Vereist

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

training_batch_size

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

Vereist

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

validation_batch_size

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

Vereist

Grootte van validatiebatch. Moet een positief geheel getal zijn.

warmup_cosine_lr_cycles

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

Vereist

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

Vereist

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

weight_decay

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

Vereist

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

box_detections_per_image

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

Vereist

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

Vereist

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

image_size

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

Vereist

Afbeeldingsgrootte voor trainen en valideren. 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

Vereist

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'. :type max_size: int of ~azure.ai.ml.entities.SweepDistribution

min_size

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

Vereist

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

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

Vereist

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

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

Vereist

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

Vereist

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

tile_grid_size

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

Vereist

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

Vereist

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

tile_predictions_nms_threshold

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

Vereist

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

Vereist

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

Vereist

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