ImageModelSettingsObjectDetection Clase

Definición

Espacio de nombres:

Azure.ResourceManager.MachineLearning.Models

Ensamblado:

Azure.ResourceManager.MachineLearning.dll

Paquete:

Azure.ResourceManager.MachineLearning v1.1.1

Configuración usada para entrenar el modelo. Para obtener más información sobre la configuración disponible, visite la documentación oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

public class ImageModelSettingsObjectDetection : Azure.ResourceManager.MachineLearning.Models.ImageModelSettings

type ImageModelSettingsObjectDetection = class
    inherit ImageModelSettings

Public Class ImageModelSettingsObjectDetection
Inherits ImageModelSettings

Herencia

Object

ImageModelSettings

ImageModelSettingsObjectDetection

Constructores

ImageModelSettingsObjectDetection()

Inicializa una nueva instancia de ImageModelSettingsObjectDetection.

Propiedades

AdvancedSettings	Configuración de escenarios avanzados. (Heredado de ImageModelSettings)
AmsGradient	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw". (Heredado de ImageModelSettings)
Augmentations	Configuración para usar aumentos. (Heredado de ImageModelSettings)
Beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. (Heredado de ImageModelSettings)
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. (Heredado de ImageModelSettings)
BoxDetectionsPerImage	Número máximo de detecciones por imagen, para todas las clases. Debe ser un entero positivo. Nota: Esta configuración no se admite para el algoritmo "yolov5".
BoxScoreThreshold	Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que BoxScoreThreshold. Debe ser un float en el intervalo[0, 1].
CheckpointFrequency	Frecuencia para almacenar puntos de control del modelo. Debe ser un entero positivo. (Heredado de ImageModelSettings)
CheckpointModel	Modelo de punto de comprobación entrenado previamente para el entrenamiento incremental. (Heredado de ImageModelSettings)
CheckpointRunId	Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental. (Heredado de ImageModelSettings)
Distributed	Si se va a usar el entrenamiento distribuido. (Heredado de ImageModelSettings)
EarlyStopping	Habilite la lógica de detención temprana durante el entrenamiento. (Heredado de ImageModelSettings)
EarlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de que se realice un seguimiento de la mejora de la métrica principal para la detención temprana. Debe ser un entero positivo. (Heredado de ImageModelSettings)
EarlyStoppingPatience	Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes de que se detenga la ejecución. Debe ser un entero positivo. (Heredado de ImageModelSettings)
EnableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX. (Heredado de ImageModelSettings)
EvaluationFrequency	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo. (Heredado de ImageModelSettings)
GradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo. (Heredado de ImageModelSettings)
ImageSize	Tamaño de la imagen para entrenamiento y validación. Debe ser un entero positivo. Nota: La ejecución de entrenamiento puede entrar en CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".
LayersToFreeze	Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa la capa de congelación 0 y la capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. (Heredado de ImageModelSettings)
LearningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. (Heredado de ImageModelSettings)
LearningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". (Heredado de ImageModelSettings)
MaxSize	Tamaño máximo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal. Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".
MinSize	Tamaño mínimo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal. Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".
ModelName	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. (Heredado de ImageModelSettings)
ModelSize	Tamaño del modelo. Debe ser "small", "medium", "large" o "xlarge". Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño del modelo es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".
Momentum	Valor de impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. (Heredado de ImageModelSettings)
MultiScale	Habilite la imagen de escala múltiple variando el tamaño de la imagen por +/- 50 %. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si no hay suficiente memoria de GPU. Nota: Esta configuración solo se admite para el algoritmo "yolov5".
Nesterov	Habilite nesterov cuando el optimizador sea "sgd". (Heredado de ImageModelSettings)
NmsIouThreshold	Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe ser un valor float en el intervalo [0, 1].
NumberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo. (Heredado de ImageModelSettings)
NumberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo. (Heredado de ImageModelSettings)
Optimizer	Tipo de optimizador. (Heredado de ImageModelSettings)
RandomSeed	Inicialización aleatoria que se usará al usar el entrenamiento determinista. (Heredado de ImageModelSettings)
StepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1]. (Heredado de ImageModelSettings)
StepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo. (Heredado de ImageModelSettings)
TileGridSize	Tamaño de la cuadrícula que se usará para la colocación en mosaico de cada imagen. Nota: TileGridSize no debe ser None para habilitar la lógica de detección de objetos pequeños. Cadena que contiene dos enteros en formato mxn. Nota: Esta configuración no se admite para el algoritmo "yolov5".
TileOverlapRatio	Proporción de superposición entre mosaicos adyacentes en cada dimensión. Debe ser float en el intervalo [0, 1). Nota: Esta configuración no se admite para el algoritmo "yolov5".
TilePredictionsNmsThreshold	Umbral IOU que se usará para realizar NMS al combinar predicciones de mosaicos e imágenes. Se usa en la validación o inferencia. Debe ser float en el intervalo [0, 1]. Nota: Esta configuración no se admite para el algoritmo "yolov5".
TrainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo. (Heredado de ImageModelSettings)
ValidationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo. (Heredado de ImageModelSettings)
ValidationIouThreshold	Umbral IOU que se va a usar al calcular la métrica de validación. Debe ser float en el intervalo [0, 1].
ValidationMetricType	Método de cálculo de métricas que se usará para las métricas de validación.
WarmupCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1]. (Heredado de ImageModelSettings)
WarmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo. (Heredado de ImageModelSettings)
WeightDecay	Valor de descomposición de peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1]. (Heredado de ImageModelSettings)