ImageObjectDetectionSearchSpace Klass
Sökutrymme för autoML-objektidentifiering och segmentering av bildinstanser.
- Arv
-
azure.ai.ml.entities._mixins.RestTranslatableMixinImageObjectDetectionSearchSpace
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>
Aktivera AMSGrad när optimeraren är "adam" eller "adamw".
- beta1
- float eller <xref:azure.ai.ml.entities.SweepDistribution>
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>
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>
Om distributionsträning ska användas.
- early_stopping
- bool eller <xref:azure.ai.ml.entities.SweepDistribution>
Aktivera tidig stopplogik under träning.
- early_stopping_delay
- int eller <xref:azure.ai.ml.entities.SweepDistribution>
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>
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>
Aktivera normalisering vid export av ONNX-modell.
- evaluation_frequency
- int eller <xref:azure.ai.ml.entities.SweepDistribution>
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>
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>
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
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>
Typ av schemaläggare för inlärningsfrekvens. Måste vara "warmup_cosine" eller "step".
- model_name
- str eller <xref:azure.ai.ml.entities.SweepDistribution>
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>
Värdet för momentum när optimeraren är "sgd". Måste vara en flottör i intervallet [0, 1].
- nesterov
- bool eller <xref:azure.ai.ml.entities.SweepDistribution>
Aktivera nesterov när optimizer är "sgd".
- number_of_epochs
- int eller <xref:azure.ai.ml.entities.SweepDistribution>
Antal träningsepoker. Måste vara ett positivt heltal.
- number_of_workers
- int eller <xref:azure.ai.ml.entities.SweepDistribution>
Antal datainläsare. Måste vara ett icke-negativt heltal.
- optimizer
- str eller <xref:azure.ai.ml.entities.SweepDistribution>
Typ av optimerare. Måste vara antingen "sgd", "adam" eller "adamw".
- random_seed
- int eller <xref:azure.ai.ml.entities.SweepDistribution>
Slumpmässigt frö som ska användas när du använder deterministisk träning.
- step_lr_gamma
- float eller <xref:azure.ai.ml.entities.SweepDistribution>
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>
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>
Träningsbatchstorlek. Måste vara ett positivt heltal.
- validation_batch_size
- int eller <xref:azure.ai.ml.entities.SweepDistribution>
Batchstorlek för validering. Måste vara ett positivt heltal.
- warmup_cosine_lr_cycles
- float eller <xref:azure.ai.ml.entities.SweepDistribution>
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>
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>
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>
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>
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>
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
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>
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>
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>
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>
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>
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>
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>
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>
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>
Beräkningsmetod för mått som ska användas för valideringsmått. Måste vara "none", "coco", "voc" eller "coco_voc".
Azure SDK for Python
Feedback
Kommer snart: Under hela 2024 kommer vi att fasa ut GitHub-problem som feedbackmekanism för innehåll och ersätta det med ett nytt feedbacksystem. Mer information finns i: https://aka.ms/ContentUserFeedback.
Skicka och visa feedback för