ImageModelSettingsObjectDetection interface

Пакет:

@azure/arm-machinelearning

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

Extends

ImageModelSettings

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 плавающей запятой 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.
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.

Унаследованные свойства

advancedSettings	Параметры для расширенных сценариев.
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].
checkpointFrequency	Частота хранения контрольных точек модели. Должно быть положительным целым числом.
checkpointModel	Предварительно обученная модель контрольной точки для добавочного обучения.
checkpointRunId	Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.
distributed	Следует ли использовать распределенное обучение.
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.
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?: number

Значение свойства

number

boxScoreThreshold

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

boxScoreThreshold?: number

Значение свойства

number

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?: number

Значение свойства

number

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?: number

Значение свойства

number

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?: number

Значение свойства

number

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?: boolean

Значение свойства

boolean

nmsIouThreshold

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

nmsIouThreshold?: number

Значение свойства

number

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?: number

Значение свойства

number

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.

tilePredictionsNmsThreshold?: number

Значение свойства

number

validationIouThreshold

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

validationIouThreshold?: number

Значение свойства

number

validationMetricType

Метод вычисления метрик, используемый для метрик проверки.

validationMetricType?: string

Значение свойства

string

Сведения об унаследованном свойстве

advancedSettings

Параметры для расширенных сценариев.

advancedSettings?: string

Значение свойства

string

наследуется отImageModelSettings.advancedSettings

amsGradient

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

amsGradient?: boolean

Значение свойства

boolean

наследуется отImageModelSettings.amsGradient

augmentations

Параметры для использования расширения.

augmentations?: string

Значение свойства

string

унаследовано отImageModelSettings.augmentations

beta1

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

beta1?: number

Значение свойства

number

наследуется отImageModelSettings.beta1

beta2

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

beta2?: number

Значение свойства

number

наследуется отImageModelSettings.beta2

checkpointFrequency

Частота хранения контрольных точек модели. Должно быть положительным целым числом.

checkpointFrequency?: number

Значение свойства

number

Унаследовано отImageModelSettings.checkpointFrequency

checkpointModel

Предварительно обученная модель контрольной точки для добавочного обучения.

checkpointModel?: MLFlowModelJobInput

Значение свойства

MLFlowModelJobInput

наследуется отImageModelSettings.checkpointModel

checkpointRunId

Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.

checkpointRunId?: string

Значение свойства

string

наследуется отImageModelSettings.checkpointRunId

distributed

Следует ли использовать распределенное обучение.

distributed?: boolean

Значение свойства

boolean

наследуется отImageModelSettings.distributed

earlyStopping

Включите логику раннего остановки во время обучения.

earlyStopping?: boolean

Значение свойства

boolean

унаследован отImageModelSettings.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?: number

Значение свойства

number

наследуется отImageModelSettings.earlyStoppingDelay

earlyStoppingPatience

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

earlyStoppingPatience?: number

Значение свойства

number

наследуется отImageModelSettings.earlyStoppingPatience

enableOnnxNormalization

Включите нормализацию при экспорте модели ONNX.

enableOnnxNormalization?: boolean

Значение свойства

boolean

наследуется отImageModelSettings.enableOnnxNormalization

evaluationFrequency

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

evaluationFrequency?: number

Значение свойства

number

Наследуется отImageModelSettings.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?: number

Значение свойства

number

унаследовано отImageModelSettings.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?: number

Значение свойства

number

Унаследовано отImageModelSettings.layersToFreeze

learningRate

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

learningRate?: number

Значение свойства

number

наследуется отImageModelSettings.learningRate

learningRateScheduler

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

learningRateScheduler?: string

Значение свойства

string

унаследован отImageModelSettings.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 отImageModelSettings.modelName

momentum

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

momentum?: number

Значение свойства

number

наследуется отImageModelSettings.momentum

nesterov

Включите nesterov, если оптимизатор имеет значение "хем".

nesterov?: boolean

Значение свойства

boolean

унаследовано отImageModelSettings.nesterov

numberOfEpochs

Число эпох обучения. Должно быть положительным целым числом.

numberOfEpochs?: number

Значение свойства

number

унаследован отImageModelSettings.numberOfEpochs

numberOfWorkers

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

numberOfWorkers?: number

Значение свойства

number

наследуется отImageModelSettings.numberOfWorkers

optimizer

Тип оптимизатора.

optimizer?: string

Значение свойства

string

наследуется отImageModelSettings.optimizer

randomSeed

Случайное начальное значение, используемое при использовании детерминированного обучения.

randomSeed?: number

Значение свойства

number

наследуется отImageModelSettings.randomSeed

stepLRGamma

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

stepLRGamma?: number

Значение свойства

number

наследуется отImageModelSettings.stepLRGamma

stepLRStepSize

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

stepLRStepSize?: number

Значение свойства

number

унаследован отImageModelSettings.stepLRStepSize

trainingBatchSize

Размер пакета обучения. Должно быть положительным целым числом.

trainingBatchSize?: number

Значение свойства

number

унаследован отImageModelSettings.trainingBatchSize

validationBatchSize

Размер пакета проверки. Должно быть положительным целым числом.

validationBatchSize?: number

Значение свойства

number

унаследовано отImageModelSettings.validationBatchSize

warmupCosineLRCycles

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

warmupCosineLRCycles?: number

Значение свойства

number

унаследован отImageModelSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

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

warmupCosineLRWarmupEpochs?: number

Значение свойства

number

наследуется отImageModelSettings.warmupCosineLRWarmupEpochs

weightDecay

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

weightDecay?: number

Значение свойства

number

унаследовано отImageModelSettings.weightDecay