Поделиться через

ImageModelDistributionSettingsObjectDetection interface

Пакет:
@azure/arm-machinelearning

Выражения распространения для перебора значений параметров модели. <Пример> :

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.
Extends
ImageModelDistributionSettings

Свойства

boxDetectionsPerImage

Максимальное количество обнаружений на изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.
boxScoreThreshold

Во время вывода возвращаются только предложения с оценкой классификации больше BoxScoreThreshold. Должен быть плавающей запятой в диапазоне[0, 1].
imageSize

Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.
maxSize

Максимальный размер изображения для перемасштабирования перед его добавлением в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.
minSize

Минимальный размер изображения, который необходимо перемасштабировать, прежде чем передавать его в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.
modelSize

Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.
multiScale

Включите многомасштабное изображение, изменив размер изображения по +/-50%. Примечание. Учебный запуск может попасть в OOM CUDA, если недостаточно памяти GPU. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.
nmsIouThreshold

Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должен быть плавать в диапазоне [0, 1].
tileGridSize

Размер сетки, используемый для размещения каждого изображения. Примечание. ПлиткаGridSize не должна быть "Нет", чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.
tileOverlapRatio

Коэффициент перекрытия между смежными плитками в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.
tilePredictionsNmsThreshold

Пороговое значение IOU для выполнения NMS при слиянии прогнозов из плиток и изображений. Используется в проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. NMS: не максимальное подавление
validationIouThreshold

Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].
validationMetricType

Метод вычисления метрик, используемый для метрик проверки. Должно быть "none", "coco", "voc" или "coco_voc".

Унаследованные свойства

amsGradient

Включите AMSGrad, если оптимизатор является "адам" или "адамв".
augmentations

Параметры для использования расширения.
beta1

Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].
beta2

Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].
distributed

Следует ли использовать обучение распространителя.
earlyStopping

Включите логику раннего остановки во время обучения.
earlyStoppingDelay

Минимальное количество эпох или оценки проверки, которые следует ожидать, прежде чем основное улучшение метрик отслеживается для раннего прекращения. Должно быть положительным целым числом.
earlyStoppingPatience

Минимальное количество эпох или оценки проверки без улучшения первичной метрики до остановки выполнения. Должно быть положительным целым числом.
enableOnnxNormalization

Включите нормализацию при экспорте модели ONNX.
evaluationFrequency

Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.
gradientAccumulationStep

Градиентное накопление означает выполнение настроенного числа шагов "GradAccumulationStep" без обновления весов модели при накоплении градиентов этих шагов, а затем использование накопленных градиентов для вычисления обновлений веса. Должно быть положительным целым числом.
layersToFreeze

Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для seresnext означает замораживание слоя0 и слоя1. Полный список поддерживаемых моделей и подробных сведений о замораживании слоев см. в статье https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate

Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].
learningRateScheduler

Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".
modelName

Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum

Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].
nesterov

Включите nesterov, если оптимизатор имеет значение "хем".
numberOfEpochs

Число эпох обучения. Должно быть положительным целым числом.
numberOfWorkers

Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.
optimizer

Тип оптимизатора. Должно быть либо "хем", "адам", либо "адам".
randomSeed

Случайное начальное значение, используемое при использовании детерминированного обучения.
stepLRGamma

Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].
stepLRStepSize

Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.
trainingBatchSize

Размер пакета обучения. Должно быть положительным целым числом.
validationBatchSize

Размер пакета проверки. Должно быть положительным целым числом.
warmupCosineLRCycles

Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].
warmupCosineLRWarmupEpochs

Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.
weightDecay

Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].

Сведения о свойстве

boxDetectionsPerImage

Максимальное количество обнаружений на изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.

boxDetectionsPerImage?: string

Значение свойства

string

boxScoreThreshold

Во время вывода возвращаются только предложения с оценкой классификации больше BoxScoreThreshold. Должен быть плавающей запятой в диапазоне[0, 1].

boxScoreThreshold?: string

Значение свойства

string

imageSize

Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.

imageSize?: string

Значение свойства

string

maxSize

Максимальный размер изображения для перемасштабирования перед его добавлением в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.

maxSize?: string

Значение свойства

string

minSize

Минимальный размер изображения, который необходимо перемасштабировать, прежде чем передавать его в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.

minSize?: string

Значение свойства

string

modelSize

Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.

modelSize?: string

Значение свойства

string

multiScale

Включите многомасштабное изображение, изменив размер изображения по +/-50%. Примечание. Учебный запуск может попасть в OOM CUDA, если недостаточно памяти GPU. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.

multiScale?: string

Значение свойства

string

nmsIouThreshold

Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должен быть плавать в диапазоне [0, 1].

nmsIouThreshold?: string

Значение свойства

string

tileGridSize

Размер сетки, используемый для размещения каждого изображения. Примечание. ПлиткаGridSize не должна быть "Нет", чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.

tileGridSize?: string

Значение свойства

string

tileOverlapRatio

Коэффициент перекрытия между смежными плитками в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.

tileOverlapRatio?: string

Значение свойства

string

tilePredictionsNmsThreshold

Пороговое значение IOU для выполнения NMS при слиянии прогнозов из плиток и изображений. Используется в проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. NMS: не максимальное подавление

tilePredictionsNmsThreshold?: string

Значение свойства

string

validationIouThreshold

Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].

validationIouThreshold?: string

Значение свойства

string

validationMetricType

Метод вычисления метрик, используемый для метрик проверки. Должно быть "none", "coco", "voc" или "coco_voc".

validationMetricType?: string

Значение свойства

string

Сведения об унаследованном свойстве

amsGradient

Включите AMSGrad, если оптимизатор является "адам" или "адамв".

amsGradient?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.amsGradient

augmentations

Параметры для использования расширения.

augmentations?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.augmentations

beta1

Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].

beta1?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.beta1

beta2

Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].

beta2?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.beta2

distributed

Следует ли использовать обучение распространителя.

distributed?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.distributed

earlyStopping

Включите логику раннего остановки во время обучения.

earlyStopping?: string

Значение свойства

string

унаследован отImageModelDistributionSettings.earlyStopping

earlyStoppingDelay

Минимальное количество эпох или оценки проверки, которые следует ожидать, прежде чем основное улучшение метрик отслеживается для раннего прекращения. Должно быть положительным целым числом.

earlyStoppingDelay?: string

Значение свойства

string

унаследовано отImageModelDistributionSettings.earlyStoppingDelay

earlyStoppingPatience

Минимальное количество эпох или оценки проверки без улучшения первичной метрики до остановки выполнения. Должно быть положительным целым числом.

earlyStoppingPatience?: string

Значение свойства

string

унаследован отImageModelDistributionSettings.earlyStoppingPatience

enableOnnxNormalization

Включите нормализацию при экспорте модели ONNX.

enableOnnxNormalization?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.enableOnnxNormalization

evaluationFrequency

Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.

evaluationFrequency?: string

Значение свойства

string

унаследовано отImageModelDistributionSettings.evaluationFrequency

gradientAccumulationStep

Градиентное накопление означает выполнение настроенного числа шагов "GradAccumulationStep" без обновления весов модели при накоплении градиентов этих шагов, а затем использование накопленных градиентов для вычисления обновлений веса. Должно быть положительным целым числом.

gradientAccumulationStep?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.gradientAccumulationStep

layersToFreeze

Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для seresnext означает замораживание слоя0 и слоя1. Полный список поддерживаемых моделей и подробных сведений о замораживании слоев см. в статье https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.layersToFreeze

learningRate

Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].

learningRate?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.learningRate

learningRateScheduler

Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".

learningRateScheduler?: string

Значение свойства

string

унаследован отImageModelDistributionSettings.learningRateScheduler

modelName

Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Значение свойства

string

Наследуется отImageModelDistributionSettings.modelName

momentum

Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].

momentum?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.momentum

nesterov

Включите nesterov, если оптимизатор имеет значение "хем".

nesterov?: string

Значение свойства

string

унаследован отImageModelDistributionSettings.nesterov

numberOfEpochs

Число эпох обучения. Должно быть положительным целым числом.

numberOfEpochs?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.numberOfEpochs

numberOfWorkers

Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.

numberOfWorkers?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.numberOfWorkers

optimizer

Тип оптимизатора. Должно быть либо "хем", "адам", либо "адам".

optimizer?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.optimizer

randomSeed

Случайное начальное значение, используемое при использовании детерминированного обучения.

randomSeed?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.randomSeed

stepLRGamma

Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].

stepLRGamma?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.stepLRGamma

stepLRStepSize

Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.

stepLRStepSize?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.stepLRStepSize

trainingBatchSize

Размер пакета обучения. Должно быть положительным целым числом.

trainingBatchSize?: string

Значение свойства

string

унаследован отImageModelDistributionSettings.trainingBatchSize

validationBatchSize

Размер пакета проверки. Должно быть положительным целым числом.

validationBatchSize?: string

Значение свойства

string

унаследован отImageModelDistributionSettings.validationBatchSize

warmupCosineLRCycles

Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].

warmupCosineLRCycles?: string

Значение свойства

string

наследуется отImageModelDistributionSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.

warmupCosineLRWarmupEpochs?: string

Значение свойства

string

унаследован отImageModelDistributionSettings.warmupLRWarmupEpochs

weightDecay

Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].

weightDecay?: string

Значение свойства

string

унаследовано отImageModelDistributionSettings.weightDecay