Поделиться через


ImageInstanceSegmentationJob Класс

Настройка задания сегментации экземпляра образа AutoML.

Инициализируйте новое задание сегментации экземпляра образа AutoML.

Наследование
azure.ai.ml.entities._job.automl.image.automl_image_object_detection_base.AutoMLImageObjectDetectionBase
ImageInstanceSegmentationJob

Конструктор

ImageInstanceSegmentationJob(*, primary_metric: str | InstanceSegmentationPrimaryMetrics | None = None, **kwargs)

Параметры

primary_metric
Обязательно

Основная метрика, используемая для оптимизации

kwargs
Обязательно

Аргументы, относящиеся к заданию

Методы

dump

Помещает содержимое задания в файл в формате YAML.

extend_search_space

Добавьте пространство поиска для задач обнаружения объектов изображений AutoML и сегментации экземпляров изображений.

set_data
set_limits

Ограничение параметров для всех вертикалей изображений AutoML.

set_sweep

Параметры очистки для всех вертикалей изображений AutoML.

set_training_parameters

Настройка параметров обучения изображений для задач обнаружения объектов изображений AutoML и сегментации экземпляров изображений.

dump

Помещает содержимое задания в файл в формате YAML.

dump(dest: str | PathLike | IO, **kwargs) -> None

Параметры

dest
Union[<xref:PathLike>, str, IO[AnyStr]]
Обязательно

Локальный путь или файловый поток для записи содержимого YAML. Если dest — это путь к файлу, будет создан новый файл. Если dest является открытым файлом, файл будет записан в напрямую.

kwargs
dict

Дополнительные аргументы для передачи сериализатору YAML.

Исключения

Возникает, если dest является путем к файлу и файл уже существует.

Возникает, если dest является открытым файлом и файл недоступен для записи.

extend_search_space

Добавьте пространство поиска для задач обнаружения объектов изображений AutoML и сегментации экземпляров изображений.

extend_search_space(value: SearchSpace | List[SearchSpace]) -> None

Параметры

value
Union[SearchSpace, List[SearchSpace]]
Обязательно

Поиск в пространстве параметров

Исключения

Возникает, если dest является путем к файлу и файл уже существует.

Возникает, если dest является открытым файлом и файл недоступен для записи.

set_data

set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None

Исключения

Возникает, если dest является путем к файлу и файл уже существует.

Возникает, если dest является открытым файлом и файл недоступен для записи.

set_limits

Ограничение параметров для всех вертикалей изображений AutoML.

set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> None

Параметры

timeout_minutes
timedelta

Время ожидания задания AutoML.

Исключения

Возникает, если dest является путем к файлу и файл уже существует.

Возникает, если dest является открытым файлом и файл недоступен для записи.

set_sweep

Параметры очистки для всех вертикалей изображений AutoML.

set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> None

Параметры

sampling_algorithm

Обязательный. [Обязательно] Тип алгоритмов выборки гиперпараметров. Возможные значения: "Grid", "Random", "Bayesian".

early_termination
Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]

Тип политики досрочного завершения.

Исключения

Возникает, если dest является путем к файлу и файл уже существует.

Возникает, если dest является открытым файлом и файл недоступен для записи.

set_training_parameters

Настройка параметров обучения изображений для задач обнаружения объектов изображений AutoML и сегментации экземпляров изображений.

set_training_parameters(*, advanced_settings: str | None = None, ams_gradient: bool | None = None, beta1: float | None = None, beta2: float | None = None, checkpoint_frequency: int | None = None, checkpoint_run_id: str | None = None, distributed: bool | None = None, early_stopping: bool | None = None, early_stopping_delay: int | None = None, early_stopping_patience: int | None = None, enable_onnx_normalization: bool | None = None, evaluation_frequency: int | None = None, gradient_accumulation_step: int | None = None, layers_to_freeze: int | None = None, learning_rate: float | None = None, learning_rate_scheduler: str | LearningRateScheduler | None = None, model_name: str | None = None, momentum: float | None = None, nesterov: bool | None = None, number_of_epochs: int | None = None, number_of_workers: int | None = None, optimizer: str | StochasticOptimizer | None = None, random_seed: int | None = None, step_lr_gamma: float | None = None, step_lr_step_size: int | None = None, training_batch_size: int | None = None, validation_batch_size: int | None = None, warmup_cosine_lr_cycles: float | None = None, warmup_cosine_lr_warmup_epochs: int | None = None, weight_decay: float | None = None, box_detections_per_image: int | None = None, box_score_threshold: float | None = None, image_size: int | None = None, max_size: int | None = None, min_size: int | None = None, model_size: str | ModelSize | None = None, multi_scale: bool | None = None, nms_iou_threshold: float | None = None, tile_grid_size: str | None = None, tile_overlap_ratio: float | None = None, tile_predictions_nms_threshold: float | None = None, validation_iou_threshold: float | None = None, validation_metric_type: str | ValidationMetricType | None = None, log_training_metrics: str | LogTrainingMetrics | None = None, log_validation_loss: str | LogValidationLoss | None = None) -> None

Параметры

advanced_settings
str

Параметры для расширенных сценариев.

ams_gradient
bool

Включите AMSGrad, если оптимизатор имеет значение adam или adamw.

beta1
float

Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1].

beta2
float

Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1].

checkpoint_frequency
int

Частота сохранения контрольных точек модели. Принимаются только положительные целые числа.

checkpoint_run_id
str

Идентификатор предыдущего запуска, имеющего предварительно обученную контрольную точку для добавочного обучения.

distributed
bool

Следует ли использовать распределенное обучение.

early_stopping
bool

Включить алгоритм раннего прекращения логики во время обучения.

early_stopping_delay
int

Минимальное количество эпох или проверочных оценок, которые необходимо дождаться, прежде чем основное улучшение метрики будет отслеживаться для ранней остановки. Принимаются только положительные целые числа.

early_stopping_patience
int

Минимальное количество эпох или проверочных оценок без улучшения основной метрики до остановки выполнения. Принимаются только положительные целые числа.

enable_onnx_normalization
bool

Включить нормализацию при экспорте модели ONNX.

evaluation_frequency
int

Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа.

gradient_accumulation_step
int

Накопление градиента означает выполнение настроенного количества шагов GradAccumulationStep без обновления весовых коэффициентов модели при накоплении градиентов этих шагов, а затем использование накопленных градиентов для вычисления обновлений веса. Принимаются только положительные целые числа.

layers_to_freeze

Количество слоев, которые необходимо заморозить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для seresnext означает замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоя см. в разделе https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long

learning_rate
float

Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].

learning_rate_scheduler

Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг". Возможные значения: None, WarmupCosine, Step.

model_name

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
float

Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1].

nesterov
bool

Включите nesterov, если оптимизатор имеет значение "sgd".

number_of_epochs
int

Число эпох обучения. Принимаются только положительные целые числа.

number_of_workers
int

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

optimizer

Тип оптимизатора. Возможные значения: "None", "Sgd", "Adam", "Adamw".

random_seed
int

Случайное начальное значение, используемое при использовании детерминированного обучения.

step_lr_gamma
float

Значение гамма, когда планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1].

step_lr_step_size
int

Значение размера шага, если планировщик скорости обучения — "шаг". Принимаются только положительные целые числа.

training_batch_size
int

Размер пакета, используемого для обучения. Принимаются только положительные целые числа.

validation_batch_size
int

Размер пакета, используемого для проверки. Принимаются только положительные целые числа.

warmup_cosine_lr_cycles
float

Значение цикла косинуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].

warmup_cosine_lr_warmup_epochs
int

Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа.

weight_decay
float

Значение распада веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть плавающей точкой в диапазоне[0, 1].

box_detections_per_image

Максимальное число обнаружений на каждое изображение для всех классов. Принимаются только положительные целые числа. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.

box_score_threshold
float

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

image_size

Размер изображения для обучения и проверки. Принимаются только положительные целые числа. Примечание. Если размер слишком велик, обучающий запуск может попасть в CUDA OOM. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.

max_size

Максимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5.

min_size

Минимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5.

model_size

Размер модели. Должен иметь значение "small", "medium", "large" или "extra_large". Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5.

multi_scale

Включение многомасштабного изображения путем изменения размера изображения на +/- 50 %. Примечание. Если объема памяти на видеокарте недостаточно, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5.

nms_iou_threshold
float

Пороговое значение OU, используемое при выводе в послеобработке NMS. Должен быть с плавающей точкой в диапазоне [0, 1].

tile_grid_size

Размер сетки, используемый для мозаичного заполнения каждого изображения. Примечание. Параметр TileGridSize не должен иметь значение None, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn.

tile_overlap_ratio
float

Коэффициент перекрытия смежных фрагментов в каждом измерении. Должен быть с плавающей точкой в диапазоне [0, 1).

tile_predictions_nms_threshold

Пороговое значение IOU, используемое для выполнения поиска немаксимумов (NMS) при объединении прогнозов из фрагментов и изображения. Используется при проверке или выводе. Должен быть с плавающей точкой в диапазоне [0, 1]. NMS: подавление, не максимальное.

validation_iou_threshold
float

Пороговое значение OU, используемое при вычислении метрики проверки. Должен быть с плавающей точкой в диапазоне [0, 1].

validation_metric_type
str или ValidationMetricType

Метод вычисления метрик, который используется для расчета проверочных метрик. Должен иметь значение none, coco, voc или coco_voc.

log_training_metrics
str или <xref:azure.mgmt.machinelearningservices.models.LogTrainingMetrics>

указывает, следует ли регистрировать метрики обучения. Значение должно иметь значение "Включить" или "Отключить".

log_validation_loss
str или <xref:azure.mgmt.machinelearningservices.models.LogValidationLoss>

указывает, следует ли регистрировать потери при проверке. Значение должно иметь значение "Включить" или "Отключить".

Исключения

Возникает, если dest является путем к файлу и файл уже существует.

Возникает, если dest является открытым файлом и файл недоступен для записи.

Атрибуты

base_path

Базовый путь к ресурсу.

Возвращаемое значение

Базовый путь к ресурсу.

Возвращаемый тип

str

creation_context

Контекст создания ресурса.

Возвращаемое значение

Метаданные создания для ресурса.

Возвращаемый тип

id

Идентификатор ресурса.

Возвращаемое значение

Глобальный идентификатор ресурса, идентификатор Azure Resource Manager (ARM).

Возвращаемый тип

inputs

limits

log_files

Выходные файлы задания.

Возвращаемое значение

Словарь имен журналов и URL-адресов.

Возвращаемый тип

log_verbosity

outputs

primary_metric

search_space

status

Состояние задания.

Обычно возвращаются значения Running (Выполняется), Completed (Завершено) и Failed (Сбой). Все возможные значения:

  • NotStarted — это временное состояние, в которое находятся клиентские объекты run до отправки в облако.

  • Starting — началась обработка запуска в облаке. На этом этапе вызывающий объект имеет идентификатор запуска.

  • Подготовка. Для отправки задания создается вычисление по запросу.

  • Подготовка — среда выполнения подготавливается и находится в одном из двух этапов:

    • Сборка образа Docker

    • настройка среды conda.

  • В очереди — задание помещается в очередь в целевом объекте вычислений. Например, в BatchAI задание находится в состоянии очереди.

    ожидая готовности всех запрошенных узлов.

  • Выполнение — задание началось для выполнения в целевом объекте вычислений.

  • Завершение — выполнение пользовательского кода завершено, а выполнение выполняется в этапах постобработки.

  • CancelRequested — для задания запрошена отмена.

  • Завершено — выполнение выполнено успешно. Сюда входит выполнение пользовательского кода и выполнение.

    пользовательского кода и запуска.

  • Failed — сбой запуска. Подробное описание причины как правило предоставляет свойство Error.

  • Canceled — применяется после запроса отмены и указывает, что выполнение теперь успешно отменено.

  • NotResponding — для запусков с включенными пульсами недавно не отправлялся пульс.

Возвращаемое значение

Состояние задания.

Возвращаемый тип

studio_url

Конечная точка Студии машинного обучения Azure.

Возвращаемое значение

URL-адрес страницы сведений о задании.

Возвращаемый тип

sweep

task_type

Получение типа задачи.

Возвращаемое значение

Тип выполняемой задачи. Возможные значения: "классификация", "регрессия", "прогнозирование".

Возвращаемый тип

str

test_data

Получение тестовых данных.

Возвращаемое значение

Тестовые входные данные

Возвращаемый тип

training_data

Получение обучающих данных.

Возвращаемое значение

Входные данные для обучения

Возвращаемый тип

training_parameters

type

Тип задания.

Возвращаемое значение

Тип задания.

Возвращаемый тип

validation_data

Получение данных проверки.

Возвращаемое значение

Входные данные проверки

Возвращаемый тип