ImageObjectDetectionSearchSpace Klass

Sökutrymme för autoML-objektidentifiering och segmentering av bildinstanser.

Arv

azure.ai.ml.entities._mixins.RestTranslatableMixin

ImageObjectDetectionSearchSpace

Konstruktor

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)

Parametrar

ams_gradient

bool eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Aktivera AMSGrad när optimeraren är "adam" eller "adamw".

beta1

float eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Värdet "beta1" när optimizern är "adam" eller "adamw". Måste vara en flottör i intervallet [0, 1].

beta2

float eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Värdet för "beta2" när optimizern är "adam" eller "adamw". Måste vara en flottör i intervallet [0, 1].

distributed

bool eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Om distributionsträning ska användas.

early_stopping

bool eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Aktivera tidig stopplogik under träning.

early_stopping_delay

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Minsta antal epoker eller valideringsutvärderingar som ska vänta innan den primära måttförbättringen spåras för tidig stoppning. Måste vara ett positivt heltal.

early_stopping_patience

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Minsta antal epoker eller valideringsutvärderingar utan någon primär måttförbättring innan körningen stoppas. Måste vara ett positivt heltal.

enable_onnx_normalization

bool eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Aktivera normalisering vid export av ONNX-modell.

evaluation_frequency

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Frekvens för att utvärdera valideringsdatauppsättningen för att få måttpoäng. Måste vara ett positivt heltal.

gradient_accumulation_step

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Toningsansamling innebär att du kör ett konfigurerat antal "GradAccumulationStep"-steg utan att uppdatera modellvikterna medan du ackumulerar toningarna i dessa steg och sedan använder de ackumulerade toningarna för att beräkna viktuppdateringarna. Måste vara ett positivt heltal.

layers_to_freeze

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Antal lager som ska frysas för modellen. Måste vara ett positivt heltal. Om du till exempel skickar 2 som värde för "seresnext" innebär det fryslager0 och lager1. En fullständig lista över modeller som stöds och information om lagerfrysning finns i: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long

learning_rate

Obligatorisk

Inledande inlärningstakt. Måste vara en flottör i intervallet [0, 1]. :type learning_rate: float eller ~azure.ai.ml.entities.SweepDistribution

learning_rate_scheduler

str eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Typ av schemaläggare för inlärningsfrekvens. Måste vara "warmup_cosine" eller "step".

model_name

str eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Namnet på den modell som ska användas för träning. Mer information om tillgängliga modeller finns i den officiella dokumentationen: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

momentum

float eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Värdet för momentum när optimeraren är "sgd". Måste vara en flottör i intervallet [0, 1].

nesterov

bool eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Aktivera nesterov när optimizer är "sgd".

number_of_epochs

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Antal träningsepoker. Måste vara ett positivt heltal.

number_of_workers

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Antal datainläsare. Måste vara ett icke-negativt heltal.

optimizer

str eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Typ av optimerare. Måste vara antingen "sgd", "adam" eller "adamw".

random_seed

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Slumpmässigt frö som ska användas när du använder deterministisk träning.

step_lr_gamma

float eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Värdet för gamma när schemaläggaren för inlärningsfrekvens är "steg". Måste vara en flottör i intervallet [0, 1].

step_lr_step_size

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Värdet för stegstorlek när schemaläggaren för inlärningsfrekvens är "steg". Måste vara ett positivt heltal.

training_batch_size

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Träningsbatchstorlek. Måste vara ett positivt heltal.

validation_batch_size

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Batchstorlek för validering. Måste vara ett positivt heltal.

warmup_cosine_lr_cycles

float eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Värdet för cosinincykeln när schemaläggaren för inlärningsfrekvens är "warmup_cosine". Måste vara en flottör i intervallet [0, 1].

warmup_cosine_lr_warmup_epochs

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Värdet för uppvärmningsepoker när schemaläggaren för inlärningsfrekvens är "warmup_cosine". Måste vara ett positivt heltal.

weight_decay

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Värdet för viktförfall när optimizern är "sgd", "adam" eller "adamw". Måste vara en flottör i intervallet[0, 1].

box_detections_per_image

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Maximalt antal identifieringar per bild för alla klasser. Måste vara ett positivt heltal. Obs! De här inställningarna stöds inte för yolov5-algoritmen.

box_score_threshold

float eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Under slutsatsdragningen returnerar du bara förslag med en klassificeringspoäng som är större än BoxScoreThreshold. Måste vara en flottör i intervallet[0, 1].

image_size

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Bildstorlek för träning och validering. Måste vara ett positivt heltal. Obs! Träningskörningen kan komma in i CUDA OOM om storleken är för stor. Obs! De här inställningarna stöds endast för yolov5-algoritmen.

max_size

Obligatorisk

Maximal storlek på bilden som ska skalas om innan den matas till stamnätet. Måste vara ett positivt heltal. Obs! Träningskörningen kan komma in i CUDA OOM om storleken är för stor. Obs! De här inställningarna stöds inte för yolov5-algoritmen. :type max_size: int eller ~azure.ai.ml.entities.SweepDistribution

min_size

int eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Minsta storlek på bilden som ska skalas om innan den matas till ryggraden. Måste vara ett positivt heltal. Obs! Träningskörningen kan komma in i CUDA OOM om storleken är för stor. Obs! De här inställningarna stöds inte för yolov5-algoritmen.

model_size

str eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Modellstorlek. Måste vara "liten", "medel", "stor" eller "extra_large". Obs! Träningskörningen kan komma in i CUDA OOM om modellstorleken är för stor. Obs! De här inställningarna stöds endast för yolov5-algoritmen.

multi_scale

bool eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Aktivera bild i flera skalningsklasser genom att variera bildstorleken med +/- 50 %. Obs! Träningskörningen kan komma in i CUDA OOM om det inte finns tillräckligt med GPU-minne. Obs! De här inställningarna stöds endast för yolov5-algoritmen.

nms_iou_threshold

float eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Tröskelvärde för IOU som används vid slutsatsdragning i NMS efter bearbetning. Måste vara flytande i intervallet [0, 1].

tile_grid_size

str eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Rutnätsstorleken som ska användas för att sida vid sida vid varje bild. Obs! TileGridSize får inte vara Ingen för att aktivera logik för identifiering av små objekt. En sträng som innehåller två heltal i mxn-format.

tile_overlap_ratio

float eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Överlappningsförhållande mellan intilliggande paneler i varje dimension. Måste vara flytande i intervallet [0, 1).

tile_predictions_nms_threshold

float eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Tröskelvärdet för IOU som ska användas för att utföra NMS vid sammanslagning av förutsägelser från paneler och bilder. Används i validering/slutsatsdragning. Måste vara flytande i intervallet [0, 1]. NMS: Icke-maximal undertryckning.

validation_iou_threshold

float eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Tröskelvärde för IOU som ska användas vid beräkning av valideringsmått. Måste vara flytande i intervallet [0, 1].

validation_metric_type

str eller <xref:azure.ai.ml.entities.SweepDistribution>

Obligatorisk

Beräkningsmetod för mått som ska användas för valideringsmått. Måste vara "none", "coco", "voc" eller "coco_voc".