Compartilhar via

ImageModelSettingsObjectDetection interface

  • Referência
Pacote:
@azure/arm-machinelearning

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.

Extends
ImageModelSettings

Propriedades

boxDetectionsPerImage

Número máximo de deteções por imagem, para todas as classes. Deve ser um número inteiro positivo. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.
boxScoreThreshold

Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1].
imageSize

Tamanho da imagem para trem e validação. Deve ser um número inteiro positivo. Nota: A corrida de treinamento pode entrar em CUDA OOM se o tamanho for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.
maxSize

Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.
minSize

Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.
modelSize

Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho do modelo for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.
multiScale

Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%. Nota: a execução de treinamento pode entrar no CUDA OOM se não houver memória GPU suficiente. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.
nmsIouThreshold

Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser um flutuador na faixa [0, 1].
tileGridSize

O tamanho da grade a ser usado para colocar lado a lado cada imagem. Nota: TileGridSize não deve ser Nenhum para habilitar a lógica de deteção de objetos pequenos. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.
tileOverlapRatio

Razão de sobreposição entre blocos adjacentes em cada dimensão. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.
tilePredictionsNmsThreshold

O limite de UO a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Utilizado na validação/inferência. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.
validationIouThreshold

Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1].
validationMetricType

Método de cálculo métrico a utilizar para métricas de validação.

Propriedades Herdadas

advancedSettings

Configurações para cenários avançados.
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'. Deve ser um flutuador na faixa [0, 1].
beta2

Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].
checkpointFrequency

Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo.
checkpointModel

O modelo de ponto de verificação pré-treinado para treinamento incremental.
checkpointRunId

A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.
distributed

Se deve ou não usar o treinamento distribuído.
earlyStopping

Habilite a lógica de parada precoce durante o treinamento.
earlyStoppingDelay

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

Número mínimo de épocas ou avaliações de validação sem melhoria da métrica primária antes de a execução ser 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 para obter pontuações métricas. 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, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.
layersToFreeze

Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar camadas0 e camadas1. Para obter uma lista completa dos modelos suportados 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. Deve ser um flutuador na faixa [0, 1].
learningRateScheduler

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

Nome do modelo a utilizar na formação. Para 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'. Deve ser um flutuador na faixa [0, 1].
nesterov

Ative o nesterov quando o otimizador for 'sgd'.
numberOfEpochs

Número de épocas de formação. Deve ser um número inteiro positivo.
numberOfWorkers

Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo.
optimizer

Tipo de otimizador.
randomSeed

Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico.
stepLRGamma

Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1].
stepLRStepSize

Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. 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 cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [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 de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1].

Detalhes de Propriedade

boxDetectionsPerImage

Número máximo de deteções por imagem, para todas as classes. Deve ser um número inteiro positivo. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.

boxDetectionsPerImage?: number

Valor de Propriedade

number

boxScoreThreshold

Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1].

boxScoreThreshold?: number

Valor de Propriedade

number

imageSize

Tamanho da imagem para trem e validação. Deve ser um número inteiro positivo. Nota: A corrida de treinamento pode entrar em CUDA OOM se o tamanho for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.

imageSize?: number

Valor de Propriedade

number

maxSize

Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.

maxSize?: number

Valor de Propriedade

number

minSize

Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.

minSize?: number

Valor de Propriedade

number

modelSize

Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho do modelo for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.

modelSize?: string

Valor de Propriedade

string

multiScale

Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%. Nota: a execução de treinamento pode entrar no CUDA OOM se não houver memória GPU suficiente. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.

multiScale?: boolean

Valor de Propriedade

boolean

nmsIouThreshold

Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser um flutuador na faixa [0, 1].

nmsIouThreshold?: number

Valor de Propriedade

number

tileGridSize

O tamanho da grade a ser usado para colocar lado a lado cada imagem. Nota: TileGridSize não deve ser Nenhum para habilitar a lógica de deteção de objetos pequenos. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.

tileGridSize?: string

Valor de Propriedade

string

tileOverlapRatio

Razão de sobreposição entre blocos adjacentes em cada dimensão. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.

tileOverlapRatio?: number

Valor de Propriedade

number

tilePredictionsNmsThreshold

O limite de UO a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Utilizado na validação/inferência. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.

tilePredictionsNmsThreshold?: number

Valor de Propriedade

number

validationIouThreshold

Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1].

validationIouThreshold?: number

Valor de Propriedade

number

validationMetricType

Método de cálculo métrico a utilizar para métricas de validação.

validationMetricType?: string

Valor de Propriedade

string

Detalhes da Propriedade Herdada

advancedSettings

Configurações para cenários avançados.

advancedSettings?: string

Valor de Propriedade

string

herdado doImageModelSettings.advancedSettings

amsGradient

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

amsGradient?: boolean

Valor de Propriedade

boolean

herdado de ImageModelSettings.amsGradient

augmentations

Configurações para usar Aumentos.

augmentations?: string

Valor de Propriedade

string

herdado deImageModelSettings.augmentations

beta1

Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].

beta1?: number

Valor de Propriedade

number

herdado deImageModelSettings.beta1

beta2

Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].

beta2?: number

Valor de Propriedade

number

herdado doImageModelSettings.beta2

checkpointFrequency

Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo.

checkpointFrequency?: number

Valor de Propriedade

number

herdado deImageModelSettings.checkpointFrequency

checkpointModel

O modelo de ponto de verificação pré-treinado para treinamento incremental.

checkpointModel?: MLFlowModelJobInput

Valor de Propriedade

MLFlowModelJobInput

herdado de ImageModelSettings.checkpointModel

checkpointRunId

A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.

checkpointRunId?: string

Valor de Propriedade

string

herdado do ImageModelSettings.checkpointRunId

distributed

Se deve ou não usar o treinamento distribuído.

distributed?: boolean

Valor de Propriedade

boolean

herdado deImageModelSettings.distributed

earlyStopping

Habilite a lógica de parada precoce durante o treinamento.

earlyStopping?: boolean

Valor de Propriedade

boolean

herdado deImageModelSettings.earlyStopping

earlyStoppingDelay

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

earlyStoppingDelay?: number

Valor de Propriedade

number

herdado de ImageModelSettings.earlyStoppingDelay

earlyStoppingPatience

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

earlyStoppingPatience?: number

Valor de Propriedade

number

herdado deImageModelSettings.earlyStoppingPatience

enableOnnxNormalization

Habilite a normalização ao exportar o modelo ONNX.

enableOnnxNormalization?: boolean

Valor de Propriedade

boolean

herdado do ImageModelSettings.enableOnnxNormalization

evaluationFrequency

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

evaluationFrequency?: number

Valor de Propriedade

number

herdado deImageModelSettings.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, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.

gradientAccumulationStep?: number

Valor de Propriedade

number

herdado doImageModelSettings.gradientAccumulationStep

layersToFreeze

Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar camadas0 e camadas1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: number

Valor de Propriedade

number

herdado doImageModelSettings.layersToFreeze

learningRate

Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1].

learningRate?: number

Valor de Propriedade

number

herdado deImageModelSettings.learningRate

learningRateScheduler

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

learningRateScheduler?: string

Valor de Propriedade

string

herdado de ImageModelSettings.learningRateScheduler

modelName

Nome do modelo a utilizar na formação. Para 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 de Propriedade

string

herdado de ImageModelSettings.modelName

momentum

Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1].

momentum?: number

Valor de Propriedade

number

herdado deImageModelSettings.momentum

nesterov

Ative o nesterov quando o otimizador for 'sgd'.

nesterov?: boolean

Valor de Propriedade

boolean

herdado de ImageModelSettings.nesterov

numberOfEpochs

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

numberOfEpochs?: number

Valor de Propriedade

number

herdado deImageModelSettings.numberOfEpochs

numberOfWorkers

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

numberOfWorkers?: number

Valor de Propriedade

number

herdado de ImageModelSettings.numberOfWorkers

optimizer

Tipo de otimizador.

optimizer?: string

Valor de Propriedade

string

herdado de ImageModelSettings.optimizer

randomSeed

Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico.

randomSeed?: number

Valor de Propriedade

number

herdado deImageModelSettings.randomSeed

stepLRGamma

Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1].

stepLRGamma?: number

Valor de Propriedade

number

herdado deImageModelSettings.stepLRGamma

stepLRStepSize

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

stepLRStepSize?: number

Valor de Propriedade

number

herdado de ImageModelSettings.stepLRStepSize

trainingBatchSize

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

trainingBatchSize?: number

Valor de Propriedade

number

herdado doImageModelSettings.trainingBatchSize

validationBatchSize

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

validationBatchSize?: number

Valor de Propriedade

number

herdado doImageModelSettings.validationBatchSize

warmupCosineLRCycles

Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1].

warmupCosineLRCycles?: number

Valor de Propriedade

number

herdado deImageModelSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

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

warmupCosineLRWarmupEpochs?: number

Valor de Propriedade

number

herdado deImageModelSettings.warmupCosineLRWarmupEpochs

weightDecay

Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1].

weightDecay?: number

Valor de Propriedade

number

herdado de ImageModelSettings.weightDecay