ImageInstanceSegmentationJob Sınıf
AutoML Görüntü Örneği Segmentasyonu işi için yapılandırma.
Yeni bir AutoML Görüntü Örneği Segmentasyonu işi başlatın.
- Devralma
-
azure.ai.ml.entities._job.automl.image.automl_image_object_detection_base.AutoMLImageObjectDetectionBaseImageInstanceSegmentationJob
Oluşturucu
ImageInstanceSegmentationJob(*, primary_metric: str | InstanceSegmentationPrimaryMetrics | None = None, **kwargs)
Parametreler
- primary_metric
İyileştirme için kullanılacak birincil ölçüm
- kwargs
İşe özgü bağımsız değişkenler
Yöntemler
dump |
İş içeriğini YAML biçiminde bir dosyaya dökümünü alır. |
extend_search_space |
AutoML Görüntü Nesnesi Algılama ve Görüntü Örneği Kesimleme görevleri için arama alanı ekleyin. |
set_data | |
set_limits |
Tüm AutoML Görüntü Dikeyleri için ayarları sınırlayın. |
set_sweep |
Tüm AutoML Görüntü Dikeyleri için süpürme ayarları. |
set_training_parameters |
AutoML Görüntü Nesnesi Algılama ve Görüntü Örneği Segmentlere Ayırma görevleri için için Görüntü eğitim parametrelerini ayarlama. |
dump
İş içeriğini YAML biçiminde bir dosyaya dökümünü alır.
dump(dest: str | PathLike | IO, **kwargs) -> None
Parametreler
YAML içeriğinin yazılabileceği yerel yol veya dosya akışı. Dest bir dosya yoluysa, yeni bir dosya oluşturulur. Dest açık bir dosyaysa, dosya doğrudan öğesine yazılır.
- kwargs
- dict
YAML seri hale getiricisine geçirecek ek bağımsız değişkenler.
Özel durumlar
dest bir dosya yoluysa ve dosya zaten varsa oluşturulur.
Dest açık bir dosyaysa ve dosya yazılabilir değilse oluşturulur.
extend_search_space
AutoML Görüntü Nesnesi Algılama ve Görüntü Örneği Kesimleme görevleri için arama alanı ekleyin.
extend_search_space(value: SearchSpace | List[SearchSpace]) -> None
Parametreler
Özel durumlar
dest bir dosya yoluysa ve dosya zaten varsa oluşturulur.
Dest açık bir dosyaysa ve dosya yazılabilir değilse oluşturulur.
set_data
set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None
Özel durumlar
dest bir dosya yoluysa ve dosya zaten varsa oluşturulur.
Dest açık bir dosyaysa ve dosya yazılabilir değilse oluşturulur.
set_limits
Tüm AutoML Görüntü Dikeyleri için ayarları sınırlayın.
set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> None
Parametreler
- timeout_minutes
- timedelta
AutoML işi zaman aşımı.
Özel durumlar
dest bir dosya yoluysa ve dosya zaten varsa oluşturulur.
Dest açık bir dosyaysa ve dosya yazılabilir değilse oluşturulur.
set_sweep
Tüm AutoML Görüntü Dikeyleri için süpürme ayarları.
set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> None
Parametreler
- sampling_algorithm
Gereklidir. [Gerekli] Hiper parametre örnekleme algoritmalarının türü. Olası değerler şunlardır: "Grid", "Random", "Bayesian".
- early_termination
- Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]
Erken sonlandırma ilkesinin türü.
Özel durumlar
dest bir dosya yoluysa ve dosya zaten varsa oluşturulur.
Dest açık bir dosyaysa ve dosya yazılabilir değilse oluşturulur.
set_training_parameters
AutoML Görüntü Nesnesi Algılama ve Görüntü Örneği Segmentlere Ayırma görevleri için için Görüntü eğitim parametrelerini ayarlama.
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
Parametreler
- advanced_settings
- str
Gelişmiş senaryolar için ayarlar.
- ams_gradient
- bool
İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.
- beta1
- float
İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.
- beta2
- float
İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.
- checkpoint_frequency
- int
Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır.
- checkpoint_run_id
- str
Artımlı eğitim için önceden eğitilmiş bir denetim noktası olan önceki çalıştırmanın kimliği.
- distributed
- bool
Dağıtılmış eğitimin kullanılıp kullanılmaymayacağı.
- early_stopping
- bool
Eğitim sırasında erken durdurma mantığını etkinleştirin.
- early_stopping_delay
- int
Birincil ölçüm geliştirmesinin erken durdurulması için izlenmeden önce beklenmeleri gereken en az dönem veya doğrulama değerlendirme sayısı. Pozitif bir tamsayı olmalıdır.
- early_stopping_patience
- int
Çalıştırma durdurulmadan önce birincil ölçüm geliştirmesi yapılmadan en az dönem veya doğrulama değerlendirmesi sayısı. Pozitif bir tamsayı olmalıdır.
- enable_onnx_normalization
- bool
ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.
- evaluation_frequency
- int
Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.
- gradient_accumulation_step
- int
Gradyan birikmesi, model ağırlıklarını güncelleştirmeden yapılandırılan sayıda "GradAccumulationStep" adımı çalıştırmak, bu adımların gradyanlarını biriktirmek ve ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanları kullanmak anlamına gelir. Pozitif bir tamsayı olmalıdır.
- layers_to_freeze
Model için donacak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, katman0 ve katman1'i dondurma anlamına gelir. Desteklenen modellerin tam listesi ve katman dondurmayla ilgili ayrıntılar için bkz. https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long
- learning_rate
- float
İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.
- learning_rate_scheduler
Öğrenme hızı zamanlayıcısının türü. 'warmup_cosine' veya 'step' olmalıdır. Olası değerler şunlardır: "Yok", "WarmupCosine", "Step".
- model_name
Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
- momentum
- float
İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.
- nesterov
- bool
İyileştirici 'sgd' olduğunda nesterov'ı etkinleştirin.
- number_of_epochs
- int
Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.
- number_of_workers
- int
Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.
- optimizer
İyileştirici türü. Olası değerler şunlardır: "None", "Sgd", "Adam", "Adamw".
- random_seed
- int
Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.
- step_lr_gamma
- float
Öğrenme hızı zamanlayıcısı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.
- step_lr_step_size
- int
Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutunun değeri. Pozitif bir tamsayı olmalıdır.
- training_batch_size
- int
Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır.
- validation_batch_size
- int
Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.
- warmup_cosine_lr_cycles
- float
Öğrenme hızı zamanlayıcısı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.
- warmup_cosine_lr_warmup_epochs
- int
Öğrenme hızı zamanlayıcı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.
- weight_decay
- float
İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda ağırlık bozulma değeri. [0, 1] aralığındaki bir float olmalıdır.
- box_detections_per_image
Tüm sınıflar için görüntü başına en fazla algılama sayısı. Pozitif bir tamsayı olmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.
- box_score_threshold
- float
Çıkarım sırasında, yalnızca BoxScoreThreshold değerinden büyük bir sınıflandırma puanına sahip teklifleri döndürür. [0, 1] aralığındaki bir float olmalıdır.
- image_size
Eğitim ve doğrulama için görüntü boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.
- max_size
Omurgaya beslemeden önce yeniden ölçeklendirilecek en büyük görüntü boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.
- min_size
Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün minimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.
- model_size
Model boyutu. 'Küçük', 'orta', 'büyük' veya 'extra_large' olmalıdır. Not: Model boyutu çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.
- multi_scale
Görüntü boyutunu +/- %50 oranında değiştirerek çok ölçekli görüntüyü etkinleştirin. Not: Yeterli GPU belleği yoksa eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.
- nms_iou_threshold
- float
NMS sonrası işlemede çıkarım sırasında kullanılan IOU eşiği. [0, 1] aralığında kaydırılmalıdır.
- tile_grid_size
Her görüntüyü döşemek için kullanılacak kılavuz boyutu. Not: Küçük nesne algılama mantığını etkinleştirmek için TileGridSize Yok olmamalıdır. mxn biçiminde iki tamsayı içeren bir dize.
- tile_overlap_ratio
- float
Her boyuttaki bitişik kutucuklar arasındaki çakışma oranı. [0, 1) aralığında kaydırılmalıdır.
- tile_predictions_nms_threshold
Kutucuklardan ve görüntüden tahminleri birleştirirken NMS gerçekleştirmek için kullanılacak IOU eşiği. Doğrulama/çıkarımda kullanılır. [0, 1] aralığında kaydırılmalıdır. NMS: Maksimum olmayan gizleme.
- validation_iou_threshold
- float
Doğrulama ölçümü hesaplanırken kullanılacak IOU eşiği. [0, 1] aralığında kaydırılmalıdır.
- validation_metric_type
- str veya ValidationMetricType
Doğrulama ölçümleri için kullanılacak ölçüm hesaplama yöntemi. 'hiçbiri', 'coco', 'voc' veya 'coco_voc' olmalıdır.
- log_training_metrics
- str veya <xref:azure.mgmt.machinelearningservices.models.LogTrainingMetrics>
eğitim ölçümlerinin günlüğe kaydedilip kaydedilmeyeceğini gösterir. 'Etkinleştir' veya 'Devre Dışı Bırak' olmalıdır
- log_validation_loss
- str veya <xref:azure.mgmt.machinelearningservices.models.LogValidationLoss>
doğrulama kaybının günlüğe kaydedilip kaydedilmeyeceğini gösterir. 'Etkinleştir' veya 'Devre Dışı Bırak' olmalıdır
Özel durumlar
dest bir dosya yoluysa ve dosya zaten varsa oluşturulur.
Dest açık bir dosyaysa ve dosya yazılabilir değilse oluşturulur.
Öznitelikler
base_path
creation_context
Kaynağın oluşturma bağlamı.
Döndürülenler
Kaynağın oluşturma meta verileri.
Dönüş türü
id
Kaynak kimliği.
Döndürülenler
Kaynağın genel kimliği, azure Resource Manager (ARM) kimliği.
Dönüş türü
inputs
limits
log_files
İş çıktı dosyaları.
Döndürülenler
Günlük adlarının ve URL'lerin sözlüğü.
Dönüş türü
log_verbosity
outputs
primary_metric
search_space
status
İşin durumu.
Döndürülen yaygın değerler şunlardır: "Çalışıyor", "Tamamlandı" ve "Başarısız". Tüm olası değerler şunlardır:
NotStarted - Bu, istemci tarafı Run nesnelerinin bulut göndermeden önce içinde olduğu geçici bir durumdur.
Başlatılıyor - Çalıştırma bulutta işlenmeye başladı. Çağıranın bu noktada bir çalıştırma kimliği vardır.
Sağlama - Belirli bir iş gönderimi için isteğe bağlı işlem oluşturuluyor.
Hazırlanıyor - Çalıştırma ortamı hazırlanıyor ve iki aşamadan birinde:
Docker görüntü derlemesi
conda ortamı kurulumu
Kuyruğa alındı - İş, işlem hedefinde kuyruğa alınır. Örneğin BatchAI'de iş kuyruğa alınmış durumdadır
tüm istenen düğümlerin hazır olmasını beklerken.
Çalışıyor - İş işlem hedefinde çalışmaya başladı.
Sonlandırma - Kullanıcı kodu yürütmesi tamamlandı ve çalıştırma işlem sonrası aşamalarda.
CancelRequested - İş için iptal istendi.
Tamamlandı - Çalıştırma başarıyla tamamlandı. Buna hem kullanıcı kodu yürütme hem de çalıştırma dahildir
işlem sonrası aşamalar.
Başarısız - Çalıştırma başarısız oldu. Genellikle bir çalıştırmadaki Error özelliği nedenine ilişkin ayrıntıları sağlar.
İptal edildi - İptal isteğini izler ve çalıştırmanın artık başarıyla iptal edilmiş olduğunu gösterir.
NotResponding - Sinyallerin etkinleştirildiği çalıştırmalar için yakın zamanda sinyal gönderilmedi.
Döndürülenler
İşin durumu.
Dönüş türü
studio_url
Azure ML studio uç noktası.
Döndürülenler
İş ayrıntıları sayfasının URL'si.
Dönüş türü
sweep
task_type
Görev türünü alma.
Döndürülenler
Çalıştırılacak görevin türü. Olası değerler şunlardır: "sınıflandırma", "regresyon", "tahmin".
Dönüş türü
test_data
training_data
training_parameters
type
validation_data
Azure SDK for Python
Geri Bildirim
https://aka.ms/ContentUserFeedback.
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz.Gönderin ve geri bildirimi görüntüleyin