ImageModelSettingsObjectDetection Classe

Definição

Namespace:

Azure.ResourceManager.MachineLearning.Models

Assembly:

Azure.ResourceManager.MachineLearning.dll

Pacote:

Azure.ResourceManager.MachineLearning v1.1.1

Configurações usadas para treinar o modelo. Para obter mais informações sobre as configurações disponíveis, visite a documentação 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

Herança

Object

ImageModelSettings

ImageModelSettingsObjectDetection

Construtores

ImageModelSettingsObjectDetection()

Inicializa uma nova instância de ImageModelSettingsObjectDetection.

Propriedades

AdvancedSettings	Configurações para cenários avançados. (Herdado de ImageModelSettings)
AmsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'. (Herdado de ImageModelSettings)
Augmentations	Configurações para usar Aumentos. (Herdado de ImageModelSettings)
Beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelSettings)
Beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelSettings)
BoxDetectionsPerImage	Número máximo de detecções por imagem, para todas as classes. Deve ser um número inteiro positivo. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
BoxScoreThreshold	Durante a inferência, retorna apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1].
CheckpointFrequency	Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo. (Herdado de ImageModelSettings)
CheckpointModel	O modelo de ponto de verificação pré-treinado para treinamento incremental. (Herdado de ImageModelSettings)
CheckpointRunId	A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. (Herdado de ImageModelSettings)
Distributed	Se deseja usar o treinamento distribuído. (Herdado de ImageModelSettings)
EarlyStopping	Habilitar a lógica de parada antecipada durante o treinamento. (Herdado de ImageModelSettings)
EarlyStoppingDelay	Número mínimo de épocas ou avaliações de validação a serem aguardadas antes que a melhoria da métrica primária seja controlada para a interrupção antecipada. Deve ser um número inteiro positivo. (Herdado de ImageModelSettings)
EarlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes que a execução seja interrompida. Deve ser um número inteiro positivo. (Herdado de ImageModelSettings)
EnableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX. (Herdado de ImageModelSettings)
EvaluationFrequency	Frequência para avaliar o conjunto de dados de validação a fim de obter pontuações de métrica. Deve ser um número inteiro positivo. (Herdado de ImageModelSettings)
GradientAccumulationStep	Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizar os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usar os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. (Herdado de ImageModelSettings)
ImageSize	Tamanho da imagem para treinamento e validação. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
LayersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar camada0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. (Herdado de ImageModelSettings)
LearningRate	Taxa de aprendizagem inicial. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelSettings)
LearningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. (Herdado de ImageModelSettings)
MaxSize	Tamanho máximo da imagem a ser redimensionada antes de alimentar o backbone. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar em CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
MinSize	Tamanho mínimo da imagem a ser redimensionada antes de alimentar o backbone. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar em CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
ModelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. (Herdado de ImageModelSettings)
ModelSize	Tamanho do modelo. Deve ser "pequeno", "médio", "grande" ou "xlarge". Observação: a execução de treinamento poderá entrar em CUDA OOM se o tamanho do modelo for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
Momentum	Valor do momento quando o otimizador é 'sgd'. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelSettings)
MultiScale	Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%. Observação: a execução de treinamento poderá entrar em CUDA OOM se não houver memória GPU suficiente. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
Nesterov	Habilite aninhado quando o otimizador for 'sgd'. (Herdado de ImageModelSettings)
NmsIouThreshold	Limite de IOU usado durante a inferência no pós-processamento do NMS. Precisa ser um float no intervalo [0, 1].
NumberOfEpochs	Número de épocas de treinamento. Deve ser um número inteiro positivo. (Herdado de ImageModelSettings)
NumberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. (Herdado de ImageModelSettings)
Optimizer	Tipo de otimizador. (Herdado de ImageModelSettings)
RandomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico. (Herdado de ImageModelSettings)
StepLRGamma	Valor de gama quando o agendador de taxa de aprendizagem é 'step'. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelSettings)
StepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um número inteiro positivo. (Herdado de ImageModelSettings)
TileGridSize	O tamanho da grade a ser usado para a divisão em blocos de cada imagem. Observação: TileGridSize não deve ser Nenhum para habilitar a lógica de detecção de objetos pequenos. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
TileOverlapRatio	Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1). Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
TilePredictionsNmsThreshold	O limite de IOU a ser usado para executar NMS durante a mescla de previsões de blocos e imagens. Usado em validação/inferência. Deve estar flutuando no intervalo [0, 1]. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
TrainingBatchSize	Tamanho do lote de treinamento. Deve ser um número inteiro positivo. (Herdado de ImageModelSettings)
ValidationBatchSize	Tamanho do lote de validação. Deve ser um número inteiro positivo. (Herdado de ImageModelSettings)
ValidationIouThreshold	Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1].
ValidationMetricType	Método de computação de métrica a ser usado em métricas de validação.
WarmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelSettings)
WarmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um número inteiro positivo. (Herdado de ImageModelSettings)
WeightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. (Herdado de ImageModelSettings)