ImageModelDistributionSettingsObjectDetection Classe

Definição

Namespace:

Azure.ResourceManager.MachineLearning.Models

Assembly:

Azure.ResourceManager.MachineLearning.dll

Pacote:

Azure.ResourceManager.MachineLearning v1.1.1

Expressões de distribuição para varrer valores de configurações de modelo. <exemplo> Alguns exemplos são:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

public class ImageModelDistributionSettingsObjectDetection : Azure.ResourceManager.MachineLearning.Models.ImageModelDistributionSettings

type ImageModelDistributionSettingsObjectDetection = class
    inherit ImageModelDistributionSettings

Public Class ImageModelDistributionSettingsObjectDetection
Inherits ImageModelDistributionSettings

Herança

Object

ImageModelDistributionSettings

ImageModelDistributionSettingsObjectDetection

Construtores

ImageModelDistributionSettingsObjectDetection()

Inicializa uma nova instância de ImageModelDistributionSettingsObjectDetection.

Propriedades

AmsGradient	Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. (Herdado de ImageModelDistributionSettings)
Augmentations	Configurações para usar aumentos. (Herdado de ImageModelDistributionSettings)
Beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelDistributionSettings)
Beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelDistributionSettings)
BoxDetectionsPerImage	Número máximo de detecções por imagem, para todas as classes. Deve ser um número inteiro positivo. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
BoxScoreThreshold	Durante a inferência, retorne apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1].
Distributed	Se o treinamento do distribuídor deve ser usado. (Herdado de ImageModelDistributionSettings)
EarlyStopping	Habilitar a lógica de parada antecipada durante o treinamento. (Herdado de ImageModelDistributionSettings)
EarlyStoppingDelay	Número mínimo de épocas ou avaliações de validação a aguardar antes que a melhoria da métrica primária seja rastreada para interrupção antecipada. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings)
EarlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhoria de métrica primária antes que a execução seja interrompida. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings)
EnableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX. (Herdado de ImageModelDistributionSettings)
EvaluationFrequency	Frequência para avaliar o conjunto de dados de validação a fim de obter pontuações de métrica. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings)
GradientAccumulationStep	Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizar os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usar os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings)
ImageSize	Tamanho da imagem para treinamento e validação. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
LayersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar camada0 e camada1. Para obter uma lista completa dos modelos com suporte e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. (Herdado de ImageModelDistributionSettings)
LearningRate	Taxa de aprendizagem inicial. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelDistributionSettings)
LearningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. (Herdado de ImageModelDistributionSettings)
MaxSize	Tamanho máximo da imagem a ser redimensionada antes de alimentar o backbone. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar em CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
MinSize	Tamanho mínimo da imagem a ser redimensionada antes de alimentar o backbone. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar em CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
ModelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. (Herdado de ImageModelDistributionSettings)
ModelSize	Tamanho do modelo. Deve ser 'small', 'medium', 'large' ou 'xlarge'. Observação: a execução de treinamento poderá entrar em CUDA OOM se o tamanho do modelo for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
Momentum	Valor do momento quando o otimizador é 'sgd'. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelDistributionSettings)
MultiScale	Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%. Observação: a execução de treinamento poderá entrar em CUDA OOM se não houver memória GPU suficiente. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
Nesterov	Habilite aninhado quando o otimizador for 'sgd'. (Herdado de ImageModelDistributionSettings)
NmsIouThreshold	Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve estar flutuando no intervalo [0, 1].
NumberOfEpochs	Número de épocas de treinamento. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings)
NumberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. (Herdado de ImageModelDistributionSettings)
Optimizer	Tipo de otimizador. Deve ser 'sgd', 'adam', ou 'adamw'. (Herdado de ImageModelDistributionSettings)
RandomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico. (Herdado de ImageModelDistributionSettings)
StepLRGamma	Valor de gama quando o agendador de taxa de aprendizagem é 'step'. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelDistributionSettings)
StepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings)
TileGridSize	O tamanho da grade a ser usado para a divisão em blocos de cada imagem. Observação: TileGridSize não deve ser Nenhum para habilitar a lógica de detecção de objetos pequeno. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
TileOverlapRatio	Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1). Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
TilePredictionsNmsThreshold	O limite de IOU a ser usado para executar NMS durante a mescla de previsões de blocos e imagens. Usado em validação/inferência. Deve estar flutuando no intervalo [0, 1]. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'. NMS: supressão não máxima
TrainingBatchSize	Tamanho do lote de treinamento. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings)
ValidationBatchSize	Tamanho do lote de validação. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings)
ValidationIouThreshold	Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1].
ValidationMetricType	Método de computação de métrica a ser usado em métricas de validação. Deve ser 'none', 'coco', 'voc' ou 'coco_voc'.
WarmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelDistributionSettings)
WarmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings)
WeightDecay	Valor da decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. (Herdado de ImageModelDistributionSettings)