ImageInstanceSegmentationJob Třída

Konfigurace pro úlohu segmentace instance image AutoML

Inicializuje novou úlohu segmentace instance image autoML.

Dědičnost

azure.ai.ml.entities._job.automl.image.automl_image_object_detection_base.AutoMLImageObjectDetectionBase

ImageInstanceSegmentationJob

Konstruktor

ImageInstanceSegmentationJob(*, primary_metric: str | InstanceSegmentationPrimaryMetrics | None = None, **kwargs)

Parametry

primary_metric

Vyžadováno

Primární metrika, která se má použít k optimalizaci

kwargs

Vyžadováno

Argumenty specifické pro úlohu

Metody

dump	Vytvoří výpis obsahu úlohy do souboru ve formátu YAML.
extend_search_space	Přidejte vyhledávací prostor pro úlohy Detekce objektů obrázků AutoML a Segmentace instancí obrázků.
set_data
set_limits	Nastavení omezení pro všechny vertikály obrázků Automatizovaného strojového učení
set_sweep	Nastavení úklidu pro všechny vertikály obrázků Automatizovaného strojového učení
set_training_parameters	Nastavení parametrů trénování obrázků pro úlohy Rozpoznávání objektů obrázků autoML a Segmentace instancí obrázků.

dump

Vytvoří výpis obsahu úlohy do souboru ve formátu YAML.

dump(dest: str | PathLike | IO, **kwargs) -> None

Parametry

dest

Union[<xref:PathLike>, str, IO[AnyStr]]

Vyžadováno

Místní cesta nebo datový proud souboru, do které se má obsah YAML zapisovat. Pokud je dest cesta k souboru, vytvoří se nový soubor. Pokud je dest otevřený soubor, zapíše se přímo do souboru.

kwargs

dict

Další argumenty, které se mají předat serializátoru YAML.

Výjimky

FileExistsError

Vyvolána, pokud je dest cesta k souboru a soubor již existuje.

IOError

Vyvolá se, pokud je soubor dest otevřený a soubor nelze zapisovat.

extend_search_space

Přidejte vyhledávací prostor pro úlohy Detekce objektů obrázků AutoML a Segmentace instancí obrázků.

extend_search_space(value: SearchSpace | List[SearchSpace]) -> None

Parametry

value

Union[SearchSpace, List[SearchSpace]]

Vyžadováno

Prohledat prostor parametrů

Výjimky

FileExistsError

Vyvolána, pokud je dest cesta k souboru a soubor již existuje.

IOError

Vyvolá se, pokud je soubor dest otevřený a soubor nelze zapisovat.

set_data

set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None

Výjimky

FileExistsError

Vyvolána, pokud je dest cesta k souboru a soubor již existuje.

IOError

Vyvolá se, pokud je soubor dest otevřený a soubor nelze zapisovat.

set_limits

Nastavení omezení pro všechny vertikály obrázků Automatizovaného strojového učení

set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> None

Parametry

timeout_minutes

timedelta

Vypršel časový limit úlohy Automatizovaného strojového učení.

Výjimky

FileExistsError

Vyvolána, pokud je dest cesta k souboru a soubor již existuje.

IOError

Vyvolá se, pokud je soubor dest otevřený a soubor nelze zapisovat.

set_sweep

Nastavení úklidu pro všechny vertikály obrázků Automatizovaného strojového učení

set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> None

Parametry

sampling_algorithm

Povinná hodnota. [Povinné] Typ algoritmů vzorkování hyperparametrů Mezi možné hodnoty patří: "Grid", "Random", "Bayesian".

early_termination

Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]

Typ zásad předčasného ukončení

Výjimky

FileExistsError

Vyvolána, pokud je dest cesta k souboru a soubor již existuje.

IOError

Vyvolá se, pokud je soubor dest otevřený a soubor nelze zapisovat.

set_training_parameters

Nastavení parametrů trénování obrázků pro úlohy Rozpoznávání objektů obrázků autoML a Segmentace instancí obrázků.

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

Parametry

advanced_settings

str

Nastavení pro pokročilé scénáře

ams_gradient

bool

Povolte AMSGrad, pokud je optimalizátor adam nebo adamw.

beta1

float

Hodnota beta1, pokud optimalizátor je adam nebo adamw. Musí se jednat o float v rozsahu [0, 1].

beta2

float

Hodnota beta2, pokud je optimalizátor adam nebo adamw. Musí se jednat o float v rozsahu [0, 1].

checkpoint_frequency

int

Frekvence ukládání kontrolních bodů modelu Musí být kladné celé číslo.

checkpoint_run_id

str

ID předchozího spuštění, které má předem vytrénovaný kontrolní bod pro přírůstkové trénování.

distributed

bool

Jestli se má použít distribuované trénování.

early_stopping

bool

Povolte logiku předčasného zastavení během trénování.

early_stopping_delay

int

Minimální počet epoch nebo ověřovacích vyhodnocení, která se mají počkat, než se bude sledovat zlepšení primární metriky kvůli předčasnému zastavení. Musí být kladné celé číslo.

early_stopping_patience

int

Minimální počet epoch nebo vyhodnocení ověření bez zlepšení primární metriky před zastavením spuštění. Musí být kladné celé číslo.

enable_onnx_normalization

bool

Povolení normalizace při exportu modelu ONNX

evaluation_frequency

int

Frekvence vyhodnocování ověřovací datové sady za účelem získání skóre metrik Musí být kladné celé číslo.

gradient_accumulation_step

int

Akumulace gradientu znamená spuštění nakonfigurovaného počtu kroků GradAccumulationStep bez aktualizace hmotnosti modelu při nahromadění přechodů těchto kroků a následné použití nahromaděných přechodů k výpočtu aktualizací váhy. Musí být kladné celé číslo.

layers_to_freeze

Počet vrstev, které se mají u modelu ukotvit Musí být kladné celé číslo. Například předání hodnoty 2 jako hodnoty pro 'seresnext' znamená zamrznutí vrstvy0 a vrstvy1. Úplný seznam podporovaných modelů a podrobnosti o ukotvení vrstev najdete tady: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long

learning_rate

float

Počáteční rychlost učení. Musí se jednat o float v rozsahu [0, 1].

learning_rate_scheduler

Typ plánovače rychlosti učení Musí to být warmup_cosine nebo step. Mezi možné hodnoty patří: "None", "WarmupCosine", "Step".

model_name

Název modelu, který se má použít pro trénování. Další informace o dostupných modelech najdete v oficiální dokumentaci: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

momentum

float

Hodnota dynamiky optimalizátoru je "sgd". Musí být float v rozsahu [0, 1].

nesterov

bool

Povolte nesterov, pokud je optimalizátor "sgd".

number_of_epochs

int

Počet epoch trénování Musí být kladné celé číslo.

number_of_workers

int

Počet pracovních procesů zavaděče dat. Musí to být nezáporné celé číslo.

optimizer

Typ optimalizátoru Mezi možné hodnoty patří: "None", "Sgd", "Adam", "Adamw".

random_seed

int

Náhodná počáteční hodnota, která se má použít při použití deterministického trénování.

step_lr_gamma

float

Hodnota gama při plánovači rychlosti učení je "krok". Musí být float v rozsahu [0, 1].

step_lr_step_size

int

Hodnota velikosti kroku při plánovači rychlosti učení je "krok". Musí být kladné celé číslo.

training_batch_size

int

Velikost trénovací dávky. Musí být kladné celé číslo.

validation_batch_size

int

Velikost dávky ověření. Musí být kladné celé číslo.

warmup_cosine_lr_cycles

float

Hodnota kosinusového cyklu při učení plánovače rychlosti je "warmup_cosine". Musí být float v rozsahu [0, 1].

warmup_cosine_lr_warmup_epochs

int

Hodnota zahřívacích epoch v plánovači míry učení je "warmup_cosine". Musí být kladné celé číslo.

weight_decay

float

Hodnota poklesu hmotnosti, když optimalizátor je "sgd", "adam" nebo "adamw". Musí být float v rozsahu[0, 1].

box_detections_per_image

Maximální počet detekcí na obrázek pro všechny třídy Musí být kladné celé číslo. Poznámka: Toto nastavení není podporováno pro algoritmus "yolov5".

box_score_threshold

float

Během odvozováním vrací pouze návrhy s vyšším skóre klasifikace než BoxScoreThreshold. Musí být float v rozsahu[0, 1].

image_size

Velikost obrázku pro trénování a ověřování Musí být kladné celé číslo. Poznámka: Trénovací běh se může dostat do OOM CUDA, pokud je velikost příliš velká. Poznámka: Toto nastavení je podporováno pouze pro algoritmus "yolov5".

max_size

Maximální velikost obrázku, který má být před odesláním do páteřní sítě přeškálován. Musí být kladné celé číslo. Poznámka: Trénovací běh se může dostat do CUDA OOM, pokud je velikost příliš velká. Poznámka: Toto nastavení není podporováno pro algoritmus "yolov5".

min_size

Minimální velikost image, která se má změnit na měřítko před tím, než ho nasdílíte do páteřní sítě. Musí být kladné celé číslo. Poznámka: Trénovací běh se může dostat do CUDA OOM, pokud je velikost příliš velká. Poznámka: Toto nastavení není podporováno pro algoritmus "yolov5".

model_size

Velikost modelu. Musí být "malé", "střední", "velké" nebo "extra_large". Poznámka: Trénovací běh se může dostat do OOM CUDA, pokud je velikost modelu příliš velká. Poznámka: Toto nastavení je podporováno pouze pro algoritmus "yolov5".

multi_scale

Povolte vícenásobnou velikost obrázku tak, že velikost obrázku nastavíte o +/- 50 %. Poznámka: Trénovací běh se může dostat do OOM CUDA, pokud není dostatek paměti GPU. Poznámka: Toto nastavení je podporováno pouze pro algoritmus "yolov5".

nms_iou_threshold

float

Prahová hodnota IOU použitá při odvození v NMS po zpracování. Musí být float v rozsahu [0, 1].

tile_grid_size

Velikost mřížky, která se má použít pro dlaždici jednotlivých obrázků. Poznámka: TileGridSize nesmí být Žádný, aby se povolila logika detekce malých objektů. Řetězec obsahující dvě celá čísla ve formátu mxn.

tile_overlap_ratio

float

Poměr překrytí mezi sousedními dlaždicemi v jednotlivých dimenzích Musí být float v rozsahu [0, 1).

tile_predictions_nms_threshold

Prahová hodnota IOU, která se má použít k provádění NMS při slučování předpovědí z dlaždic a obrázků. Používá se při ověřování nebo odvozování. Musí být float v rozsahu [0, 1]. NMS: Ne maximální potlačení.

validation_iou_threshold

float

Prahová hodnota IOU, která se má použít při výpočtu metriky ověřování. Musí být float v rozsahu [0, 1].

validation_metric_type

str nebo ValidationMetricType

Metoda výpočtu metrik, která se má použít pro ověřovací metriky. Musí být "none", "coco", "voc" nebo "coco_voc".

log_training_metrics

str nebo <xref:azure.mgmt.machinelearningservices.models.LogTrainingMetrics>

označuje, jestli se mají protokolovat metriky trénování. Musí to být Povolit nebo Zakázat.

log_validation_loss

str nebo <xref:azure.mgmt.machinelearningservices.models.LogValidationLoss>

určuje, zda se má protokolovat ztráta ověření. Musí to být Povolit nebo Zakázat.

Výjimky

FileExistsError

Vyvolána, pokud je dest cesta k souboru a soubor již existuje.

IOError

Vyvolá se, pokud je soubor dest otevřený a soubor nelze zapisovat.

Atributy

base_path

Základní cesta prostředku.

Návraty

Základní cesta prostředku.

Návratový typ

str

creation_context

Kontext vytvoření prostředku.

Návraty

Metadata vytvoření prostředku.

Návratový typ

Optional[SystemData]

id

ID prostředku.

Návraty

Globální ID prostředku, ID Azure Resource Manager (ARM).

Návratový typ

Optional[str]

inputs

limits

log_files

Výstupní soubory úlohy.

Návraty

Slovník názvů protokolů a adres URL.

Návratový typ

Optional[Dict[str, str]]

log_verbosity

outputs

primary_metric

search_space

status

Stav úlohy.

Mezi běžné vrácené hodnoty patří Spuštěno, Dokončeno a Neúspěšné. Všechny možné hodnoty jsou:

• NotStarted – jedná se o dočasný stav, ve který se objekty Run na straně klienta nacházejí před odesláním do cloudu.

• Spuštění – Spuštění se začalo zpracovávat v cloudu. Volající má v tuto chvíli ID spuštění.

• Zřizování – pro odeslání úlohy se vytváří výpočetní prostředky na vyžádání.

• Příprava – Prostředí spuštění se připravuje a je v jedné ze dvou fází:

  • Sestavení image Dockeru

  • Nastavení prostředí conda

• Zařazeno do fronty – Úloha je zařazená do fronty v cílovém výpočetním objektu. Například ve službě BatchAI je úloha ve frontě.

  při čekání na připravenost všech požadovaných uzlů.

• Spuštěno – Úloha se začala spouštět na cílovém výpočetním objektu.

• Finalizace – Spuštění uživatelského kódu bylo dokončeno a spuštění je ve fázích následného zpracování.

• CancelRequested – pro úlohu bylo požádáno o zrušení.

• Dokončeno – Spuštění bylo úspěšně dokončeno. To zahrnuje spuštění uživatelského kódu i spuštění.

  fáze následného zpracování.

• Neúspěšné – spuštění se nezdařilo. Vlastnost Error při spuštění obvykle obsahuje podrobné informace o tom, proč tomu tak je.

• Zrušeno – následuje žádost o zrušení a indikuje, že spuštění se teď úspěšně zrušilo.

• Nereaguje – U spuštění s povolenými prezenčními signály se v nedávné době neodeslal žádný prezenční signál.

Návraty

Stav úlohy.

Návratový typ

Optional[str]

studio_url

Koncový bod studia Azure ML.

Návraty

Adresa URL stránky s podrobnostmi úlohy

Návratový typ

Optional[str]

sweep

task_type

Získejte typ úkolu.

Návraty

Typ úlohy, která se má spustit. Mezi možné hodnoty patří: "classification", "regression", "forecasting" (prognózování).

Návratový typ

str

test_data

Získání testovacích dat

Návraty

Testování vstupu dat

Návratový typ

Input

training_data

Získejte trénovací data.

Návraty

Trénování vstupu dat

Návratový typ

Input

training_parameters

type

Typ úlohy.

Návraty

Typ úlohy.

Návratový typ

Optional[str]

validation_data

Získání ověřovacích dat

Návraty

Ověřovací vstup dat

Návratový typ

Input