ImageModelSettingsObjectDetection interface

Pakiet:

@azure/arm-machinelearning

Ustawienia używane do trenowania modelu. Aby uzyskać więcej informacji na temat dostępnych ustawień, odwiedź oficjalną dokumentację: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Rozszerzenie

ImageModelSettings

Właściwości

boxDetectionsPerImage	Maksymalna liczba wykryć na obrazie dla wszystkich klas. Musi być dodatnią liczbą całkowitą. Uwaga: te ustawienia nie są obsługiwane dla algorytmu "yolov5".
boxScoreThreshold	Podczas wnioskowania zwracane są tylko propozycje z wynikiem klasyfikacji większym niż BoxScoreThreshold. Musi być zmiennoprzecinkowym w zakresie[0, 1].
imageSize	Rozmiar obrazu do trenowania i walidacji. Musi być dodatnią liczbą całkowitą. Uwaga: Przebieg trenowania może dostać się do CUDA OOM, jeśli rozmiar jest zbyt duży. Uwaga: te ustawienia są obsługiwane tylko dla algorytmu "yolov5".
maxSize	Maksymalny rozmiar obrazu do ponownego skalowania przed przesłaniem go do sieci szkieletowej. Musi być dodatnią liczbą całkowitą. Uwaga: przebieg trenowania może dostać się do CUDA OOM, jeśli rozmiar jest zbyt duży. Uwaga: te ustawienia nie są obsługiwane dla algorytmu "yolov5".
minSize	Minimalny rozmiar obrazu do ponownego skalowania przed przesłaniem go do sieci szkieletowej. Musi być dodatnią liczbą całkowitą. Uwaga: przebieg trenowania może dostać się do CUDA OOM, jeśli rozmiar jest zbyt duży. Uwaga: te ustawienia nie są obsługiwane dla algorytmu "yolov5".
modelSize	Rozmiar modelu. Musi być "mały", "średni", "duży" lub "xlarge". Uwaga: przebieg trenowania może dostać się do cudA OOM, jeśli rozmiar modelu jest zbyt duży. Uwaga: te ustawienia są obsługiwane tylko dla algorytmu "yolov5".
multiScale	Włącz obraz wieloskalowy, zmieniając rozmiar obrazu o +/- 50%. Uwaga: przebieg trenowania może dostać się do funkcji CUDA OOM, jeśli nie ma wystarczającej ilości pamięci procesora GPU. Uwaga: te ustawienia są obsługiwane tylko dla algorytmu "yolov5".
nmsIouThreshold	Próg operacji we/wy używany podczas wnioskowania w procesie przetwarzania końcowego NMS. Musi być zmiennoprzecinkowym w zakresie [0, 1].
tileGridSize	Rozmiar siatki do użycia do układania każdego obrazu. Uwaga: TileGridSize nie może mieć wartości None, aby włączyć małą logikę wykrywania obiektów. Ciąg zawierający dwie liczby całkowite w formacie mxn. Uwaga: te ustawienia nie są obsługiwane dla algorytmu "yolov5".
tileOverlapRatio	Współczynnik nakładania się między sąsiednimi kafelkami w każdym wymiarze. Musi być zmiennoprzecinkowy w zakresie [0, 1). Uwaga: te ustawienia nie są obsługiwane dla algorytmu "yolov5".
tilePredictionsNmsThreshold	Próg operacji we/wy używany do wykonywania nms podczas scalania przewidywań z kafelków i obrazów. Używany w walidacji/wnioskowaniu. Musi być zmiennoprzecinkowy w zakresie [0, 1]. Uwaga: te ustawienia nie są obsługiwane dla algorytmu "yolov5".
validationIouThreshold	Próg operacji we/wy do użycia podczas obliczania metryki walidacji. Musi być zmiennoprzecinkowy w zakresie [0, 1].
validationMetricType	Metoda obliczeniowa metryki do użycia na potrzeby metryk walidacji.

Właściwości dziedziczone

advancedSettings	Ustawienia dla zaawansowanych scenariuszy.
amsGradient	Włącz narzędzie AMSGrad, gdy optymalizator ma wartość "adam" lub "adamw".
augmentations	Ustawienia dotyczące używania rozszerzeń.
beta1	Wartość "beta1", gdy optymalizator to "adam" lub "adamw". Musi być zmiennoprzecinkowym w zakresie [0, 1].
beta2	Wartość "beta2", gdy optymalizator to "adam" lub "adamw". Musi być zmiennoprzecinkowym w zakresie [0, 1].
checkpointFrequency	Częstotliwość przechowywania punktów kontrolnych modelu. Musi być dodatnią liczbą całkowitą.
checkpointModel	Wstępnie wytrenowany model punktu kontrolnego na potrzeby trenowania przyrostowego.
checkpointRunId	Identyfikator poprzedniego przebiegu, który ma wstępnie wytrenowany punkt kontrolny na potrzeby trenowania przyrostowego.
distributed	Czy używać trenowania rozproszonego.
earlyStopping	Włącz logikę wczesnego zatrzymywania podczas trenowania.
earlyStoppingDelay	Minimalna liczba epok lub ocen walidacji, które należy zaczekać przed śledzeniem podstawowej poprawy metryki na potrzeby wczesnego zatrzymywania. Musi być dodatnią liczbą całkowitą.
earlyStoppingPatience	Minimalna liczba epok lub ocen poprawności bez podstawowej poprawy metryki przed zatrzymaniem przebiegu. Musi być dodatnią liczbą całkowitą.
enableOnnxNormalization	Włącz normalizację podczas eksportowania modelu ONNX.
evaluationFrequency	Częstotliwość oceniania zestawu danych weryfikacji w celu uzyskania wyników metryk. Musi być dodatnią liczbą całkowitą.
gradientAccumulationStep	Akumulacja gradientu oznacza uruchomienie skonfigurowanej liczby kroków "GradAccumulationStep" bez aktualizowania wag modelu podczas gromadzenia gradientów tych kroków, a następnie używania skumulowanych gradientów do obliczenia aktualizacji wagi. Musi być dodatnią liczbą całkowitą.
layersToFreeze	Liczba warstw, które mają być blokowane dla modelu. Musi być dodatnią liczbą całkowitą. Na przykład przekazanie wartości 2 jako wartości dla "seresnext" oznacza zamrażanie warstwy0 i warstwy 1. Aby uzyskać pełną listę obsługiwanych modeli i szczegóły dotyczące blokowania warstw, zobacz: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	Początkowa szybkość nauki. Musi być zmiennoprzecinkowym w zakresie [0, 1].
learningRateScheduler	Typ harmonogramu szybkości nauki. Musi być "warmup_cosine" lub "krok".
modelName	Nazwa modelu do użycia na potrzeby trenowania. Aby uzyskać więcej informacji na temat dostępnych modeli, odwiedź oficjalną dokumentację: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	Wartość tempa, gdy optymalizator ma wartość "sgd". Musi być zmiennoprzecinkowym w zakresie [0, 1].
nesterov	Włącz nesterov, gdy optymalizator ma wartość "sgd".
numberOfEpochs	Liczba epok treningowych. Musi być dodatnią liczbą całkowitą.
numberOfWorkers	Liczba procesów roboczych modułu ładującego dane. Musi być nieujemną liczbą całkowitą.
optimizer	Typ optymalizatora.
randomSeed	Inicjator losowy, który ma być używany podczas korzystania z trenowania deterministycznego.
stepLRGamma	Wartość gamma, gdy harmonogram szybkości nauki to "krok". Musi być zmiennoprzecinkowym w zakresie [0, 1].
stepLRStepSize	Wartość rozmiaru kroku, gdy harmonogram szybkości nauki to "krok". Musi być dodatnią liczbą całkowitą.
trainingBatchSize	Rozmiar partii trenowania. Musi być dodatnią liczbą całkowitą.
validationBatchSize	Sprawdzanie poprawności rozmiaru partii. Musi być dodatnią liczbą całkowitą.
warmupCosineLRCycles	Wartość cyklu cosinusowego, gdy harmonogram szybkości nauki to "warmup_cosine". Musi być zmiennoprzecinkowym w zakresie [0, 1].
warmupCosineLRWarmupEpochs	Wartość epok rozgrzewki, gdy harmonogram szybkości nauki to "warmup_cosine". Musi być dodatnią liczbą całkowitą.
weightDecay	Wartość rozkładu masy, gdy optymalizator ma wartość "sgd", "adam" lub "adamw". Musi być zmiennoprzecinkowym w zakresie[0, 1].

Szczegóły właściwości

boxDetectionsPerImage

Maksymalna liczba wykryć na obrazie dla wszystkich klas. Musi być dodatnią liczbą całkowitą. Uwaga: te ustawienia nie są obsługiwane dla algorytmu "yolov5".

boxDetectionsPerImage?: number

Wartość właściwości

number

boxScoreThreshold

Podczas wnioskowania zwracane są tylko propozycje z wynikiem klasyfikacji większym niż BoxScoreThreshold. Musi być zmiennoprzecinkowym w zakresie[0, 1].

boxScoreThreshold?: number

Wartość właściwości

number

imageSize

Rozmiar obrazu do trenowania i walidacji. Musi być dodatnią liczbą całkowitą. Uwaga: Przebieg trenowania może dostać się do CUDA OOM, jeśli rozmiar jest zbyt duży. Uwaga: te ustawienia są obsługiwane tylko dla algorytmu "yolov5".

imageSize?: number

Wartość właściwości

number

maxSize

Maksymalny rozmiar obrazu do ponownego skalowania przed przesłaniem go do sieci szkieletowej. Musi być dodatnią liczbą całkowitą. Uwaga: przebieg trenowania może dostać się do CUDA OOM, jeśli rozmiar jest zbyt duży. Uwaga: te ustawienia nie są obsługiwane dla algorytmu "yolov5".

maxSize?: number

Wartość właściwości

number

minSize

Minimalny rozmiar obrazu do ponownego skalowania przed przesłaniem go do sieci szkieletowej. Musi być dodatnią liczbą całkowitą. Uwaga: przebieg trenowania może dostać się do CUDA OOM, jeśli rozmiar jest zbyt duży. Uwaga: te ustawienia nie są obsługiwane dla algorytmu "yolov5".

minSize?: number

Wartość właściwości

number

modelSize

Rozmiar modelu. Musi być "mały", "średni", "duży" lub "xlarge". Uwaga: przebieg trenowania może dostać się do cudA OOM, jeśli rozmiar modelu jest zbyt duży. Uwaga: te ustawienia są obsługiwane tylko dla algorytmu "yolov5".

modelSize?: string

Wartość właściwości

string

multiScale

Włącz obraz wieloskalowy, zmieniając rozmiar obrazu o +/- 50%. Uwaga: przebieg trenowania może dostać się do funkcji CUDA OOM, jeśli nie ma wystarczającej ilości pamięci procesora GPU. Uwaga: te ustawienia są obsługiwane tylko dla algorytmu "yolov5".

multiScale?: boolean

Wartość właściwości

boolean

nmsIouThreshold

Próg operacji we/wy używany podczas wnioskowania w procesie przetwarzania końcowego NMS. Musi być zmiennoprzecinkowym w zakresie [0, 1].

nmsIouThreshold?: number

Wartość właściwości

number

tileGridSize

Rozmiar siatki do użycia do układania każdego obrazu. Uwaga: TileGridSize nie może mieć wartości None, aby włączyć małą logikę wykrywania obiektów. Ciąg zawierający dwie liczby całkowite w formacie mxn. Uwaga: te ustawienia nie są obsługiwane dla algorytmu "yolov5".

tileGridSize?: string

Wartość właściwości

string

tileOverlapRatio

Współczynnik nakładania się między sąsiednimi kafelkami w każdym wymiarze. Musi być zmiennoprzecinkowy w zakresie [0, 1). Uwaga: te ustawienia nie są obsługiwane dla algorytmu "yolov5".

tileOverlapRatio?: number

Wartość właściwości

number

tilePredictionsNmsThreshold

Próg operacji we/wy używany do wykonywania nms podczas scalania przewidywań z kafelków i obrazów. Używany w walidacji/wnioskowaniu. Musi być zmiennoprzecinkowy w zakresie [0, 1]. Uwaga: te ustawienia nie są obsługiwane dla algorytmu "yolov5".

tilePredictionsNmsThreshold?: number

Wartość właściwości

number

validationIouThreshold

Próg operacji we/wy do użycia podczas obliczania metryki walidacji. Musi być zmiennoprzecinkowy w zakresie [0, 1].

validationIouThreshold?: number

Wartość właściwości

number

validationMetricType

Metoda obliczeniowa metryki do użycia na potrzeby metryk walidacji.

validationMetricType?: string

Wartość właściwości

string

Szczegóły właściwości dziedziczonej

advancedSettings

Ustawienia dla zaawansowanych scenariuszy.

advancedSettings?: string

Wartość właściwości

string

dziedziczone zImageModelSettings.advancedSettings

amsGradient

Włącz narzędzie AMSGrad, gdy optymalizator ma wartość "adam" lub "adamw".

amsGradient?: boolean

Wartość właściwości

boolean

dziedziczone zImageModelSettings.amsGradient

augmentations

Ustawienia dotyczące używania rozszerzeń.

augmentations?: string

Wartość właściwości

string

dziedziczone zImageModelSettings.augmentations

beta1

Wartość "beta1", gdy optymalizator to "adam" lub "adamw". Musi być zmiennoprzecinkowym w zakresie [0, 1].

beta1?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.beta1

beta2

Wartość "beta2", gdy optymalizator to "adam" lub "adamw". Musi być zmiennoprzecinkowym w zakresie [0, 1].

beta2?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.beta2

checkpointFrequency

Częstotliwość przechowywania punktów kontrolnych modelu. Musi być dodatnią liczbą całkowitą.

checkpointFrequency?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.checkpointFrequency

checkpointModel

Wstępnie wytrenowany model punktu kontrolnego na potrzeby trenowania przyrostowego.

checkpointModel?: MLFlowModelJobInput

Wartość właściwości

MLFlowModelJobInput

dziedziczone zImageModelSettings.checkpointModel

checkpointRunId

Identyfikator poprzedniego przebiegu, który ma wstępnie wytrenowany punkt kontrolny na potrzeby trenowania przyrostowego.

checkpointRunId?: string

Wartość właściwości

string

dziedziczone zImageModelSettings.checkpointRunId

distributed

Czy używać trenowania rozproszonego.

distributed?: boolean

Wartość właściwości

boolean

dziedziczone zImageModelSettings.distributed

earlyStopping

Włącz logikę wczesnego zatrzymywania podczas trenowania.

earlyStopping?: boolean

Wartość właściwości

boolean

dziedziczone zImageModelSettings.earlyStopping

earlyStoppingDelay

Minimalna liczba epok lub ocen walidacji, które należy zaczekać przed śledzeniem podstawowej poprawy metryki na potrzeby wczesnego zatrzymywania. Musi być dodatnią liczbą całkowitą.

earlyStoppingDelay?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.earlyStoppingDelay

earlyStoppingPatience

Minimalna liczba epok lub ocen poprawności bez podstawowej poprawy metryki przed zatrzymaniem przebiegu. Musi być dodatnią liczbą całkowitą.

earlyStoppingPatience?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.earlyStoppingPatience

enableOnnxNormalization

Włącz normalizację podczas eksportowania modelu ONNX.

enableOnnxNormalization?: boolean

Wartość właściwości

boolean

dziedziczone zImageModelSettings.enableOnnxNormalization

evaluationFrequency

Częstotliwość oceniania zestawu danych weryfikacji w celu uzyskania wyników metryk. Musi być dodatnią liczbą całkowitą.

evaluationFrequency?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.evaluationFrequency

gradientAccumulationStep

Akumulacja gradientu oznacza uruchomienie skonfigurowanej liczby kroków "GradAccumulationStep" bez aktualizowania wag modelu podczas gromadzenia gradientów tych kroków, a następnie używania skumulowanych gradientów do obliczenia aktualizacji wagi. Musi być dodatnią liczbą całkowitą.

gradientAccumulationStep?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.gradientAccumulationStep

layersToFreeze

Liczba warstw, które mają być blokowane dla modelu. Musi być dodatnią liczbą całkowitą. Na przykład przekazanie wartości 2 jako wartości dla "seresnext" oznacza zamrażanie warstwy0 i warstwy 1. Aby uzyskać pełną listę obsługiwanych modeli i szczegóły dotyczące blokowania warstw, zobacz: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.layersToFreeze

learningRate

Początkowa szybkość nauki. Musi być zmiennoprzecinkowym w zakresie [0, 1].

learningRate?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.learningRate

learningRateScheduler

Typ harmonogramu szybkości nauki. Musi być "warmup_cosine" lub "krok".

learningRateScheduler?: string

Wartość właściwości

string

dziedziczone zImageModelSettings.learningRateScheduler

modelName

Nazwa modelu do użycia na potrzeby trenowania. Aby uzyskać więcej informacji na temat dostępnych modeli, odwiedź oficjalną dokumentację: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Wartość właściwości

string

dziedziczone zImageModelSettings.modelName

momentum

Wartość tempa, gdy optymalizator ma wartość "sgd". Musi być zmiennoprzecinkowym w zakresie [0, 1].

momentum?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.momentum

nesterov

Włącz nesterov, gdy optymalizator ma wartość "sgd".

nesterov?: boolean

Wartość właściwości

boolean

dziedziczone zImageModelSettings.nesterov

numberOfEpochs

Liczba epok treningowych. Musi być dodatnią liczbą całkowitą.

numberOfEpochs?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.numberOfEpochs

numberOfWorkers

Liczba procesów roboczych modułu ładującego dane. Musi być nieujemną liczbą całkowitą.

numberOfWorkers?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.numberOfWorkers

optimizer

Typ optymalizatora.

optimizer?: string

Wartość właściwości

string

dziedziczone zImageModelSettings.optimizer

randomSeed

Inicjator losowy, który ma być używany podczas korzystania z trenowania deterministycznego.

randomSeed?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.randomSeed

stepLRGamma

Wartość gamma, gdy harmonogram szybkości nauki to "krok". Musi być zmiennoprzecinkowym w zakresie [0, 1].

stepLRGamma?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.stepLRGamma

stepLRStepSize

Wartość rozmiaru kroku, gdy harmonogram szybkości nauki to "krok". Musi być dodatnią liczbą całkowitą.

stepLRStepSize?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.stepLRStepSize

trainingBatchSize

Rozmiar partii trenowania. Musi być dodatnią liczbą całkowitą.

trainingBatchSize?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.trainingBatchSize

validationBatchSize

Sprawdzanie poprawności rozmiaru partii. Musi być dodatnią liczbą całkowitą.

validationBatchSize?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.validationBatchSize

warmupCosineLRCycles

Wartość cyklu cosinusowego, gdy harmonogram szybkości nauki to "warmup_cosine". Musi być zmiennoprzecinkowym w zakresie [0, 1].

warmupCosineLRCycles?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Wartość epok rozgrzewki, gdy harmonogram szybkości nauki to "warmup_cosine". Musi być dodatnią liczbą całkowitą.

warmupCosineLRWarmupEpochs?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.warmupCosineLRWarmupEpochs

weightDecay

Wartość rozkładu masy, gdy optymalizator ma wartość "sgd", "adam" lub "adamw". Musi być zmiennoprzecinkowym w zakresie[0, 1].

weightDecay?: number

Wartość właściwości

number

dziedziczone zImageModelSettings.weightDecay