ImageModelSettingsObjectDetection interface

Pacote:

@azure/arm-machinelearning

Configurações usadas para treinar o modelo. Para obter mais informações sobre as configurações disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Extends

ImageModelSettings

Propriedades

boxDetectionsPerImage	Número máximo de detecções por imagem, para todas as classes. Deve ser um 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].
imageSize	Tamanho da imagem para treinamento e validação. Deve ser um 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'.
maxSize	Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no 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 alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
modelSize	Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
multiScale	Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%. Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
nmsIouThreshold	Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve ser um float no intervalo [0, 1].
tileGridSize	O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser Nenhum para habilitar a lógica de detecção de objetos pequena. 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 o NMS ao mesclar previsões de blocos e imagem. Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1]. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
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 para métricas de validação.

Propriedades herdadas

advancedSettings	Configurações para cenários avançados.
amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.
augmentations	Configurações para usar aumentos.
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].
checkpointFrequency	Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo.
checkpointModel	O modelo de ponto de verificação pré-treinado para treinamento incremental.
checkpointRunId	A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.
distributed	Se você deve usar o treinamento distribuído.
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação a serem aguardadas antes que a melhoria da métrica primária seja controlada para parada antecipada. Deve ser um inteiro positivo.
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes que a execução seja interrompida. Deve ser um inteiro positivo.
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.
gradientAccumulationStep	O acúmulo 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 inteiro positivo.
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar camada0 e camada1. Para obter uma lista completa de 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.
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".
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.
momentum	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].
nesterov	Habilite aninhado quando o otimizador for 'sgd'.
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.
optimizer	Tipo de otimizador.
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].

Detalhes da propriedade

boxDetectionsPerImage

Número máximo de detecções por imagem, para todas as classes. Deve ser um inteiro positivo. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.

boxDetectionsPerImage?: number

Valor da propriedade

number

boxScoreThreshold

Durante a inferência, retorne apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1].

boxScoreThreshold?: number

Valor da propriedade

number

imageSize

Tamanho da imagem para treinamento e validação. Deve ser um 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'.

imageSize?: number

Valor da propriedade

number

maxSize

Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.

maxSize?: number

Valor da propriedade

number

minSize

Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.

minSize?: number

Valor da propriedade

number

modelSize

Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.

modelSize?: string

Valor da propriedade

string

multiScale

Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%. Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.

multiScale?: boolean

Valor da propriedade

boolean

nmsIouThreshold

Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve ser um float no intervalo [0, 1].

nmsIouThreshold?: number

Valor da propriedade

number

tileGridSize

O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser Nenhum para habilitar a lógica de detecção de objetos pequena. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.

tileGridSize?: string

Valor da propriedade

string

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'.

tileOverlapRatio?: number

Valor da propriedade

number

tilePredictionsNmsThreshold

O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1]. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.

tilePredictionsNmsThreshold?: number

Valor da propriedade

number

validationIouThreshold

Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1].

validationIouThreshold?: number

Valor da propriedade

number

validationMetricType

Método de computação de métrica a ser usado para métricas de validação.

validationMetricType?: string

Valor da propriedade

string

Detalhes das propriedades herdadas

advancedSettings

Configurações para cenários avançados.

advancedSettings?: string

Valor da propriedade

string

Herdado deImageModelSettings.advancedSettings

amsGradient

Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.

amsGradient?: boolean

Valor da propriedade

boolean

Herdado deImageModelSettings.amsGradient

augmentations

Configurações para usar aumentos.

augmentations?: string

Valor da propriedade

string

Herdado deImageModelSettings.augmentations

beta1

Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].

beta1?: number

Valor da propriedade

number

herdado de ImageModelSettings.beta1

beta2

Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].

beta2?: number

Valor da propriedade

number

Herdado deImageModelSettings.beta2

checkpointFrequency

Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo.

checkpointFrequency?: number

Valor da propriedade

number

Herdado deImageModelSettings.checkpointFrequency

checkpointModel

O modelo de ponto de verificação pré-treinado para treinamento incremental.

checkpointModel?: MLFlowModelJobInput

Valor da propriedade

MLFlowModelJobInput

Herdado deImageModelSettings.checkpointModel

checkpointRunId

A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.

checkpointRunId?: string

Valor da propriedade

string

Herdado deImageModelSettings.checkpointRunId

distributed

Se você deve usar o treinamento distribuído.

distributed?: boolean

Valor da propriedade

boolean

Herdado deImageModelSettings.distributed

earlyStopping

Habilite a lógica de parada antecipada durante o treinamento.

earlyStopping?: boolean

Valor da propriedade

boolean

Herdado deImageModelSettings.earlyStopping

earlyStoppingDelay

Número mínimo de épocas ou avaliações de validação a serem aguardadas antes que a melhoria da métrica primária seja controlada para parada antecipada. Deve ser um inteiro positivo.

earlyStoppingDelay?: number

Valor da propriedade

number

herdado deImageModelSettings.earlyStoppingDelay

earlyStoppingPatience

Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes que a execução seja interrompida. Deve ser um inteiro positivo.

earlyStoppingPatience?: number

Valor da propriedade

number

herdado deImageModelSettings.earlyStoppingPatience

enableOnnxNormalization

Habilite a normalização ao exportar o modelo ONNX.

enableOnnxNormalization?: boolean

Valor da propriedade

boolean

Herdado deImageModelSettings.enableOnnxNormalization

evaluationFrequency

Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.

evaluationFrequency?: number

Valor da propriedade

number

Herdado deImageModelSettings.evaluationFrequency

gradientAccumulationStep

O acúmulo 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 inteiro positivo.

gradientAccumulationStep?: number

Valor da propriedade

number

Herdado deImageModelSettings.gradientAccumulationStep

layersToFreeze

Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar camada0 e camada1. Para obter uma lista completa de 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.

layersToFreeze?: number

Valor da propriedade

number

Herdado deImageModelSettings.layersToFreeze

learningRate

Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].

learningRate?: number

Valor da propriedade

number

Herdado deImageModelSettings.learningRate

learningRateScheduler

Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".

learningRateScheduler?: string

Valor da propriedade

string

Herdado deImageModelSettings.learningRateScheduler

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.

modelName?: string

Valor da propriedade

string

Herdado deImageModelSettings.modelName

momentum

Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].

momentum?: number

Valor da propriedade

number

Herdado deImageModelSettings.momentum

nesterov

Habilite aninhado quando o otimizador for 'sgd'.

nesterov?: boolean

Valor da propriedade

boolean

Herdado deImageModelSettings.nesterov

numberOfEpochs

Número de épocas de treinamento. Deve ser um inteiro positivo.

numberOfEpochs?: number

Valor da propriedade

number

Herdado deImageModelSettings.numberOfEpochs

numberOfWorkers

Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.

numberOfWorkers?: number

Valor da propriedade

number

Herdado deImageModelSettings.numberOfWorkers

optimizer

Tipo de otimizador.

optimizer?: string

Valor da propriedade

string

herdado de ImageModelSettings.optimizer

randomSeed

Semente aleatória a ser usada ao usar o treinamento determinístico.

randomSeed?: number

Valor da propriedade

number

Herdado deImageModelSettings.randomSeed

stepLRGamma

Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].

stepLRGamma?: number

Valor da propriedade

number

Herdado deImageModelSettings.stepLRGamma

stepLRStepSize

Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.

stepLRStepSize?: number

Valor da propriedade

number

Herdado deImageModelSettings.stepLRStepSize

trainingBatchSize

Tamanho do lote de treinamento. Deve ser um inteiro positivo.

trainingBatchSize?: number

Valor da propriedade

number

Herdado deImageModelSettings.trainingBatchSize

validationBatchSize

Tamanho do lote de validação. Deve ser um inteiro positivo.

validationBatchSize?: number

Valor da propriedade

number

Herdado deImageModelSettings.validationBatchSize

warmupCosineLRCycles

Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].

warmupCosineLRCycles?: number

Valor da propriedade

number

Herdado deImageModelSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.

warmupCosineLRWarmupEpochs?: number

Valor da propriedade

number

Herdado deImageModelSettings.warmupCosineLRWarmupEpochs

weightDecay

Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].

weightDecay?: number

Valor da propriedade

number

Herdado deImageModelSettings.weightDecay