Udostępnij za pośrednictwem

ImageObjectDetectionSearchSpace Klasa

  • Odwołanie

Wyszukaj miejsce na potrzeby zadań wykrywania obiektów obrazów automatycznego uczenia maszynowego i segmentacji wystąpień obrazów.

Dziedziczenie
azure.ai.ml.entities._mixins.RestTranslatableMixin
ImageObjectDetectionSearchSpace

Konstruktor

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)

Parametry

ams_gradient
bool lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

beta1
float lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

beta2
float lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

distributed
bool lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Czy należy używać trenowania rozproszonego.

early_stopping
bool lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Włącz logikę wczesnego zatrzymywania podczas trenowania.

early_stopping_delay
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Minimalna liczba epok lub ocen poprawności do oczekiwania przed rozpoczęciem śledzenia podstawowej metryki w celu wczesnego zatrzymania. Musi być dodatnią liczbą całkowitą.

early_stopping_patience
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

enable_onnx_normalization
bool lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Włącz normalizację podczas eksportowania modelu ONNX.

evaluation_frequency
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

gradient_accumulation_step
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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.

layers_to_freeze
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Liczba warstw, które mają być blokowane dla modelu. Musi być dodatnią liczbą całkowitą. Na przykład przekazanie wartości 2 jako wartości dla "seresnext" oznacza zamrażanie warstwy 0 i warstwy 1. Aby uzyskać pełną listę obsługiwanych modeli i szczegóły dotyczące blokowania warstw, zobacz: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long

learning_rate
Wymagane

Początkowa szybkość nauki. Musi być zmiennoprzecinkiem w zakresie [0, 1]. :type learning_rate: float lub ~azure.ai.ml.entities.SweepDistribution

learning_rate_scheduler
str lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Typ harmonogramu szybkości nauki. Musi mieć wartość "warmup_cosine" lub "krok".

model_name
str lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Nazwa modelu, który ma być używany do 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
float lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

nesterov
bool lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Włącz nesterov, gdy optymalizator ma wartość "sgd".

number_of_epochs
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Liczba epok treningowych. Musi być dodatnią liczbą całkowitą.

number_of_workers
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

optimizer
str lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Typ optymalizatora. Musi być albo "sgd", "adam", lub "adamw".

random_seed
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Losowe inicjatory, które mają być używane podczas korzystania z trenowania deterministycznego.

step_lr_gamma
float lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Wartość gamma podczas uczenia się harmonogramu szybkości jest "krok". Musi być zmiennoprzecinkiem w zakresie [0, 1].

step_lr_step_size
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

training_batch_size
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Rozmiar partii trenowania. Musi być dodatnią liczbą całkowitą.

validation_batch_size
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Rozmiar partii sprawdzania poprawności. Musi być dodatnią liczbą całkowitą.

warmup_cosine_lr_cycles
float lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

warmup_cosine_lr_warmup_epochs
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

weight_decay
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Wartość rozkładu wagi, gdy optymalizator to "sgd", "adam" lub "adamw". Musi być zmiennoprzecinkiem w zakresie[0, 1].

box_detections_per_image
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

box_score_threshold
float lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

image_size
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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".

max_size
Wymagane

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". :type max_size: int lub ~azure.ai.ml.entities.SweepDistribution

min_size
int lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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".

model_size
str lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Rozmiar modelu. Musi mieć wartość "small", "medium", "large" lub "extra_large". Uwaga: przebieg trenowania może dostać się do modelu CUDA OOM, jeśli rozmiar modelu jest zbyt duży. Uwaga: te ustawienia są obsługiwane tylko dla algorytmu "yolov5".

multi_scale
bool lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

nms_iou_threshold
float lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

tile_grid_size
str lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Rozmiar siatki do użycia na potrzeby układania obrazów. Uwaga: TileGridSize nie może mieć właściwości Brak, aby włączyć logikę wykrywania małych obiektów. Ciąg zawierający dwie liczby całkowite w formacie mxn.

tile_overlap_ratio
float lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Współczynnik nakładania się między sąsiednimi kafelkami w każdym wymiarze. Musi być zmiennoprzecinkowa w zakresie [0, 1).

tile_predictions_nms_threshold
float lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Próg operacji we/wy używany do wykonywania nmS podczas scalania przewidywań z kafelków i obrazu. Używany w weryfikacji/wnioskowaniu. Musi być zmiennoprzecinkowa w zakresie [0, 1]. NMS: brak maksymalnego pomijania.

validation_iou_threshold
float lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

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

validation_metric_type
str lub <xref:azure.ai.ml.entities.SweepDistribution>
Wymagane

Metoda obliczania metryki do użycia na potrzeby metryk walidacji. Musi mieć wartość "none", "coco", "voc" lub "coco_voc".