你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

ImageObjectDetectionSearchSpace 类

搜索 AutoML 图像对象检测和图像实例分段任务的空间。

继承

azure.ai.ml.entities._mixins.RestTranslatableMixin

ImageObjectDetectionSearchSpace

构造函数

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)

参数

ams_gradient

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

必需

当优化器为“adam”或“adamw”时启用 AMSGrad。

beta1

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

必需

当优化器为“adam”或“adamw”时，“beta1”的值。 必须是 [0, 1] 范围内的浮点数。

beta2

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

必需

当优化器为“adam”或“adamw”时，“beta2”的值。 必须是 [0, 1] 范围内的浮点数。

distributed

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

必需

是否使用分发程序训练。

early_stopping

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

必需

在训练期间启用提前停止逻辑。

early_stopping_delay

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

必需

跟踪主要指标改进以提前停止之前等待的最小纪元或验证评估数。 必须是正整数。

early_stopping_patience

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

必需

在停止运行之前，没有主要指标改进的最小纪元或验证评估数。 必须是正整数。

enable_onnx_normalization

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

必需

导出 ONNX 模型时启用规范化。

evaluation_frequency

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

必需

评估验证数据集以获得指标分数所遵循的频率。 必须是正整数。

gradient_accumulation_step

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

必需

渐变累积意味着在不更新模型权重的情况下运行配置数量的“GradAccumulationStep”步骤，同时累积这些步骤的渐变，然后使用累积的渐变计算权重更新。 必须是正整数。

layers_to_freeze

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

必需

模型要冻结的层数。 必须是正整数。 例如，将 2 作为“seresnext”的值传递意味着冻结 layer0 和 layer1。 有关支持模型的完整列表以及有关层冻结的详细信息，请参阅： https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters。 # pylint： disable=line-too-long

learning_rate

必需

初始学习速率。 必须是 [0, 1] 范围内的浮点数。 ：type learning_rate： float or ~azure.ai.ml.entities.SweepDistribution

learning_rate_scheduler

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

必需

学习速率计划程序的类型。 必须为“warmup_cosine”或“step”。

model_name

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

必需

用于训练的模型的名称。 有关可用模型的详细信息，请访问官方文档： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。

momentum

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

必需

优化器为“sgd”时的动量值。 必须是 [0, 1] 范围内的浮点数。

nesterov

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

必需

当优化器为“sgd”时启用 nesterov。

number_of_epochs

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

必需

训练循环数。 必须是正整数。

number_of_workers

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

必需

数据加载程序辅助角色数。 必须是非负整数。

optimizer

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

必需

优化器的类型。 必须是“sgd”、“adam”或“adamw”。

random_seed

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

必需

使用确定性训练时要使用的随机种子。

step_lr_gamma

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

必需

学习速率计划程序为“step”时，gamma 的值。 必须是 [0, 1] 范围内的浮点数。

step_lr_step_size

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

必需

学习速率计划程序为“step”时步骤大小的值。 必须是正整数。

training_batch_size

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

必需

训练批大小。 必须是正整数。

validation_batch_size

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

必需

验证批大小。 必须是正整数。

warmup_cosine_lr_cycles

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

必需

学习速率计划程序为“warmup_cosine”时的余弦周期值。 必须是 [0, 1] 范围内的浮点数。

warmup_cosine_lr_warmup_epochs

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

必需

学习速率计划程序为“warmup_cosine”时预热纪元的值。 必须是正整数。

weight_decay

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

必需

优化器为“sgd”、“adam”或“adamw”时的权重衰减值。 必须是范围[0， 1] 中的浮点数。

box_detections_per_image

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

必需

所有类的每个图像的最大检测次数。 必须是正整数。 注意：“yolov5”算法不支持此设置。

box_score_threshold

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

必需

在推理期间，仅返回分类分数大于 BoxScoreThreshold 的建议。 必须是范围[0， 1] 中的浮点数。

image_size

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

必需

用于训练和验证的图像大小。 必须是正整数。 注意：如果大小太大，训练运行可能会进入 CUDA OOM。 注意：只有“yolov5”算法支持此设置。

max_size

必需

在将图像馈送到主干之前要将其重新缩放到的最大大小。 必须是正整数。 注意：如果大小太大，训练运行可能会遇到 CUDA OOM 错误。 注意：“yolov5”算法不支持此设置。 ：type max_size：int 或 ~azure.ai.ml.entities.SweepDistribution

min_size

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

必需

在将图像馈送到主干之前要将其重新缩放到的最小大小。 必须是正整数。 注意：如果大小太大，训练运行可能会遇到 CUDA OOM 错误。 注意：“yolov5”算法不支持此设置。

model_size

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

必需

模型大小。 必须为“small”、“medium”、“large”或“extra_large”。 注意：如果模型大小太大，训练运行可能会遇到 CUDA OOM 错误。 注意：只有“yolov5”算法支持此设置。

multi_scale

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

必需

按 +/- 50% 的不同图像大小启用多比例图像。 注意：如果 GPU 内存不足，训练运行可能会遇到 CUDA OOM 错误。 注意：只有“yolov5”算法支持此设置。

nms_iou_threshold

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

必需

在 NMS 后处理推理期间使用的 IOU 阈值。 必须在 [0， 1] 范围内浮动。

tile_grid_size

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

必需

用于平铺每个图像的网格大小。 注意：TileGridSize 不得为 None 才能启用小型对象检测逻辑。 一个字符串，包含两个采用文本格式的整数。

tile_overlap_ratio

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

必需

每个维度中相邻图块之间的重叠率。 必须在 [0， 1) 范围内浮动。

tile_predictions_nms_threshold

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

必需

合并图块和图像的预测结果时用于执行 NMS 的 IOU 阈值。 在验证/推理中使用。 必须在 [0， 1] 范围内浮动。 NMS：非最大抑制。

validation_iou_threshold

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

必需

计算验证指标时要使用的 IOU 阈值。 必须在 [0， 1] 范围内浮动。

validation_metric_type

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

必需

用于验证指标的指标计算方法。 必须为“none”、“coco”、“voc”或“coco_voc”。