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.RestTranslatableMixinImageObjectDetectionSearchSpace
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>
当优化器为“adam”或“adamw”时启用 AMSGrad。
- beta1
- float 或 <xref:azure.ai.ml.entities.SweepDistribution>
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>
当优化器为“adam”或“adamw”时,“beta2”的值。 必须是 [0, 1] 范围内的浮点数。
- early_stopping_delay
- int 或 <xref:azure.ai.ml.entities.SweepDistribution>
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>
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。
- evaluation_frequency
- int 或 <xref:azure.ai.ml.entities.SweepDistribution>
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>
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>
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
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>
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>
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>
优化器为“sgd”时的动量值。 必须是 [0, 1] 范围内的浮点数。
- step_lr_gamma
- float 或 <xref:azure.ai.ml.entities.SweepDistribution>
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>
学习速率计划程序为“step”时步骤大小的值。 必须是正整数。
- warmup_cosine_lr_cycles
- float 或 <xref:azure.ai.ml.entities.SweepDistribution>
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>
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>
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>
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>
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>
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
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>
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>
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>
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>
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>
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>
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>
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>
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>
用于验证指标的指标计算方法。 必须为“none”、“coco”、“voc”或“coco_voc”。
反馈
https://aka.ms/ContentUserFeedback。
即将发布:在整个 2024 年,我们将逐步淘汰作为内容反馈机制的“GitHub 问题”,并将其取代为新的反馈系统。 有关详细信息,请参阅:提交和查看相关反馈