ImageModelDistributionSettingsObjectDetection interface

Pacote:

@azure/arm-machinelearning

Expressões de distribuição para varrer valores de configurações de modelo. Alguns exemplos incluem: ModelName = "choice('seresnext', 'resnest50')"; LearningRate = "uniform(0.001, 0.01)"; LayersToFreeze = "choice(0, 2)"; Para obter mais detalhes sobre como compor expressões de distribuição, confira a documentação: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters 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.

Extends

ImageModelDistributionSettings

Propriedades

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, retorne apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1].
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'.
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'.
modelSize	Tamanho do modelo. Deve ser 'small', 'medium', 'large' 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'.
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'.
nmsIouThreshold	Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve estar flutuando no intervalo [0, 1].
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 pequeno. 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'. NMS: supressão não máxima
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. Deve ser 'none', 'coco', 'voc' ou 'coco_voc'.

Propriedades herdadas

amsGradient	Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'.
augmentations	Configurações para usar aumentos.
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1].
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1].
distributed	Se o treinamento do distribuídor deve ser usado.
earlyStopping	Habilitar a lógica de parada antecipada durante o treinamento.
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação a aguardar antes que a melhoria da métrica primária seja rastreada para interrupção antecipada. Deve ser um número inteiro positivo.
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhoria de métrica primária antes que a execução seja interrompida. Deve ser um número inteiro positivo.
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação a fim de obter pontuações de métrica. Deve ser um número inteiro positivo.
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.
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 dos 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.
learningRate	Taxa de aprendizagem inicial. Precisa ser um float no intervalo [0, 1].
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'.
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.
momentum	Valor do momento quando o otimizador é 'sgd'. Precisa ser um float no intervalo [0, 1].
nesterov	Habilite aninhado quando o otimizador for 'sgd'.
numberOfEpochs	Número de épocas de treinamento. Deve ser um número inteiro positivo.
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.
optimizer	Tipo de otimizador. Deve ser 'sgd', 'adam', ou 'adamw'.
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.
stepLRGamma	Valor de gama quando o agendador de taxa de aprendizagem é 'step'. Precisa ser um float no intervalo [0, 1].
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um número inteiro positivo.
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um número inteiro positivo.
validationBatchSize	Tamanho do lote de validação. Deve ser um número inteiro positivo.
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Precisa ser um float no intervalo [0, 1].
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um número inteiro positivo.
weightDecay	Valor da decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].

Detalhes da propriedade

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'.

boxDetectionsPerImage?: string

Valor da propriedade

string

boxScoreThreshold

Durante a inferência, retorne apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1].

boxScoreThreshold?: string

Valor da propriedade

string

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'.

imageSize?: string

Valor da propriedade

string

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'.

maxSize?: string

Valor da propriedade

string

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'.

minSize?: string

Valor da propriedade

string

modelSize

Tamanho do modelo. Deve ser 'small', 'medium', 'large' 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'.

modelSize?: string

Valor da propriedade

string

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'.

multiScale?: string

Valor da propriedade

string

nmsIouThreshold

Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve estar flutuando no intervalo [0, 1].

nmsIouThreshold?: string

Valor da propriedade

string

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 pequeno. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.

tileGridSize?: string

Valor da propriedade

string

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'.

tileOverlapRatio?: string

Valor da propriedade

string

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'. NMS: supressão não máxima

tilePredictionsNmsThreshold?: string

Valor da propriedade

string

validationIouThreshold

Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1].

validationIouThreshold?: string

Valor da propriedade

string

validationMetricType

Método de computação de métrica a ser usado em métricas de validação. Deve ser 'none', 'coco', 'voc' ou 'coco_voc'.

validationMetricType?: string

Valor da propriedade

string

Detalhes das propriedades herdadas

amsGradient

Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'.

amsGradient?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.amsGradient

augmentations

Configurações para usar aumentos.

augmentations?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.augmentations

beta1

Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1].

beta1?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.beta1

beta2

Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1].

beta2?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.beta2

distributed

Se o treinamento do distribuídor deve ser usado.

distributed?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.distributed

earlyStopping

Habilitar a lógica de parada antecipada durante o treinamento.

earlyStopping?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.earlyStopping

earlyStoppingDelay

Número mínimo de épocas ou avaliações de validação a aguardar antes que a melhoria da métrica primária seja rastreada para interrupção antecipada. Deve ser um número inteiro positivo.

earlyStoppingDelay?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.earlyStoppingDelay

earlyStoppingPatience

Número mínimo de épocas ou avaliações de validação sem melhoria de métrica primária antes que a execução seja interrompida. Deve ser um número inteiro positivo.

earlyStoppingPatience?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.earlyStoppingPatience

enableOnnxNormalization

Habilite a normalização ao exportar o modelo ONNX.

enableOnnxNormalization?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.enableOnnxNormalization

evaluationFrequency

Frequência para avaliar o conjunto de dados de validação a fim de obter pontuações de métrica. Deve ser um número inteiro positivo.

evaluationFrequency?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.evaluationFrequency

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.

gradientAccumulationStep?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.gradientAccumulationStep

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 dos 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.

layersToFreeze?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.layersToFreeze

learningRate

Taxa de aprendizagem inicial. Precisa ser um float no intervalo [0, 1].

learningRate?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.learningRate

learningRateScheduler

Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'.

learningRateScheduler?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.learningRateScheduler

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.

modelName?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.modelName

momentum

Valor do momento quando o otimizador é 'sgd'. Precisa ser um float no intervalo [0, 1].

momentum?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.momentum

nesterov

Habilite aninhado quando o otimizador for 'sgd'.

nesterov?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.nesterov

numberOfEpochs

Número de épocas de treinamento. Deve ser um número inteiro positivo.

numberOfEpochs?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.numberOfEpochs

numberOfWorkers

Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.

numberOfWorkers?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.numberOfWorkers

optimizer

Tipo de otimizador. Deve ser 'sgd', 'adam', ou 'adamw'.

optimizer?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.optimizer

randomSeed

Semente aleatória a ser usada ao usar o treinamento determinístico.

randomSeed?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.randomSeed

stepLRGamma

Valor de gama quando o agendador de taxa de aprendizagem é 'step'. Precisa ser um float no intervalo [0, 1].

stepLRGamma?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.stepLRGamma

stepLRStepSize

Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um número inteiro positivo.

stepLRStepSize?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.stepLRStepSize

trainingBatchSize

Tamanho do lote de treinamento. Deve ser um número inteiro positivo.

trainingBatchSize?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.trainingBatchSize

validationBatchSize

Tamanho do lote de validação. Deve ser um número inteiro positivo.

validationBatchSize?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.validationBatchSize

warmupCosineLRCycles

Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Precisa ser um float no intervalo [0, 1].

warmupCosineLRCycles?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um número inteiro positivo.

warmupCosineLRWarmupEpochs?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.warmupCosineLRWarmupEpochs

weightDecay

Valor da decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].

weightDecay?: string

Valor da propriedade

string

Herdado deImageModelDistributionSettings.weightDecay