Partilhar via

ImageModelDistributionSettingsObjectDetection interface

  • Referência
Pacote:
@azure/arm-machinelearning

Expressões de distribuição para varrer os valores das configurações do modelo. Alguns exemplos são:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
Extends
ImageModelDistributionSettings

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 flutuante no intervalo [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'. SMN: Supressão não máxima
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. Deve ser 'nenhum', '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'. 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].
distributed

Se deve ou não usar o treinamento de distribuidor.
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. Deve ser 'sgd', 'adam' ou 'adamw'.
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?: string

Valor de Propriedade

string

boxScoreThreshold

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

boxScoreThreshold?: string

Valor de Propriedade

string

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?: string

Valor de Propriedade

string

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?: string

Valor de Propriedade

string

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?: string

Valor de Propriedade

string

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?: string

Valor de Propriedade

string

nmsIouThreshold

Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser flutuante no intervalo [0, 1].

nmsIouThreshold?: string

Valor de Propriedade

string

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?: string

Valor de Propriedade

string

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'. SMN: Supressão não máxima

tilePredictionsNmsThreshold?: string

Valor de Propriedade

string

validationIouThreshold

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

validationIouThreshold?: string

Valor de Propriedade

string

validationMetricType

Método de cálculo métrico a utilizar para métricas de validação. Deve ser 'nenhum', 'coco', 'voc' ou 'coco_voc'.

validationMetricType?: string

Valor de Propriedade

string

Detalhes da Propriedade Herdada

amsGradient

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

amsGradient?: string

Valor de Propriedade

string

herdado de ImageModelDistributionSettings.amsGradient

augmentations

Configurações para usar Aumentos.

augmentations?: string

Valor de Propriedade

string

herdado deImageModelDistributionSettings.augmentations

beta1

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

beta1?: string

Valor de Propriedade

string

herdado deImageModelDistributionSettings.beta1

beta2

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

beta2?: string

Valor de Propriedade

string

herdado de ImageModelDistributionSettings.beta2

distributed

Se deve ou não usar o treinamento de distribuidor.

distributed?: string

Valor de Propriedade

string

herdado deImageModelDistributionSettings.distributed

earlyStopping

Habilite a lógica de parada precoce durante o treinamento.

earlyStopping?: string

Valor de 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 parada antecipada. Deve ser um número inteiro positivo.

earlyStoppingDelay?: string

Valor de Propriedade

string

herdado de ImageModelDistributionSettings.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?: string

Valor de Propriedade

string

herdado deImageModelDistributionSettings.earlyStoppingPatience

enableOnnxNormalization

Habilite a normalização ao exportar o modelo ONNX.

enableOnnxNormalization?: string

Valor de Propriedade

string

herdado do ImageModelDistributionSettings.enableOnnxNormalization

evaluationFrequency

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

evaluationFrequency?: string

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

gradientAccumulationStep?: string

Valor de Propriedade

string

herdado deImageModelDistributionSettings.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?: string

Valor de Propriedade

string

herdado deImageModelDistributionSettings.layersToFreeze

learningRate

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

learningRate?: string

Valor de Propriedade

string

herdado de ImageModelDistributionSettings.learningRate

learningRateScheduler

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

learningRateScheduler?: string

Valor de Propriedade

string

herdado de ImageModelDistributionSettings.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 ImageModelDistributionSettings.modelName

momentum

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

momentum?: string

Valor de Propriedade

string

herdado deImageModelDistributionSettings.momentum

nesterov

Ative o nesterov quando o otimizador for 'sgd'.

nesterov?: string

Valor de Propriedade

string

herdado de ImageModelDistributionSettings.nesterov

numberOfEpochs

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

numberOfEpochs?: string

Valor de Propriedade

string

herdado deImageModelDistributionSettings.numberOfEpochs

numberOfWorkers

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

numberOfWorkers?: string

Valor de Propriedade

string

herdado de ImageModelDistributionSettings.numberOfWorkers

optimizer

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

optimizer?: string

Valor de Propriedade

string

herdado de ImageModelDistributionSettings.optimizer

randomSeed

Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico.

randomSeed?: string

Valor de Propriedade

string

herdado de ImageModelDistributionSettings.randomSeed

stepLRGamma

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

stepLRGamma?: string

Valor de Propriedade

string

herdado deImageModelDistributionSettings.stepLRGamma

stepLRStepSize

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

stepLRStepSize?: string

Valor de Propriedade

string

herdado de ImageModelDistributionSettings.stepLRStepSize

trainingBatchSize

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

trainingBatchSize?: string

Valor de Propriedade

string

herdado do ImageModelDistributionSettings.trainingBatchSize

validationBatchSize

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

validationBatchSize?: string

Valor de Propriedade

string

herdado do ImageModelDistributionSettings.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?: string

Valor de 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 de Propriedade

string

herdado deImageModelDistributionSettings.warmupCosineLRWarmupEpochs

weightDecay

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

weightDecay?: string

Valor de Propriedade

string

herdado de ImageModelDistributionSettings.weightDecay