Compartilhar via

ImageObjectDetectionSearchSpace Classe

  • Referência

Espaço de pesquisa para tarefas de detecção de objeto de imagem autoML e segmentação de instância de imagem.

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

Construtor

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)

Parâmetros

ams_gradient
bool ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

beta1
float ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

beta2
float ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

distributed
bool ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

Se deseja usar o treinamento do distribuídor.

early_stopping
bool ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

Habilitar a lógica de parada antecipada durante o treinamento.

early_stopping_delay
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

early_stopping_patience
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

enable_onnx_normalization
bool ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

Habilite a normalização ao exportar o modelo ONNX.

evaluation_frequency
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

gradient_accumulation_step
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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.

layers_to_freeze
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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 de modelos com suporte e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long

learning_rate
Obrigatório

Taxa de aprendizagem inicial. Precisa ser um float no intervalo [0, 1]. :type learning_rate: float ou ~azure.ai.ml.entities.SweepDistribution

learning_rate_scheduler
str ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

model_name
str ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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
float ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

nesterov
bool ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

Habilite aninhado quando o otimizador for 'sgd'.

number_of_epochs
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

number_of_workers
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

optimizer
str ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

Tipo de otimizador. Deve ser 'sgd', 'adam', ou 'adamw'.

random_seed
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

Semente aleatória a ser usada ao usar o treinamento determinístico.

step_lr_gamma
float ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

Valor de gama quando o agendador de taxa de aprendizagem é 'step'. Precisa ser um float no intervalo [0, 1].

step_lr_step_size
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

training_batch_size
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

validation_batch_size
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

warmup_cosine_lr_cycles
float ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

warmup_cosine_lr_warmup_epochs
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

weight_decay
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

box_detections_per_image
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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'.

box_score_threshold
float ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

image_size
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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'.

max_size
Obrigatório

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

min_size
int ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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'.

model_size
str ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'extra_large'. 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'.

multi_scale
bool ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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'.

nms_iou_threshold
float ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

tile_grid_size
str ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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 pequenos. Uma cadeia de caracteres que contém dois inteiros no formato mxn.

tile_overlap_ratio
float ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1).

tile_predictions_nms_threshold
float ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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]. NMS: supressão não máxima.

validation_iou_threshold
float ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

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

validation_metric_type
str ou <xref:azure.ai.ml.entities.SweepDistribution>
Obrigatório

Método de computação de métrica a ser usado em métricas de validação. Deve ser 'none', 'coco', 'voc', ou 'coco_voc'.