Поделиться через

ImageObjectDetectionSearchSpace Класс

  • Ссылка

Поиск пространства для задач обнаружения объектов изображений AutoML и сегментации экземпляров изображений.

Наследование
azure.ai.ml.entities._mixins.RestTranslatableMixin
ImageObjectDetectionSearchSpace

Конструктор

ImageObjectDetectionSearchSpace(*, ams_gradient: bool | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, beta1: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, beta2: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, distributed: bool | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, early_stopping: bool | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, early_stopping_delay: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, early_stopping_patience: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, enable_onnx_normalization: bool | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, evaluation_frequency: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, gradient_accumulation_step: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, layers_to_freeze: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, learning_rate: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, learning_rate_scheduler: str | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, model_name: str | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, momentum: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, nesterov: bool | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, number_of_epochs: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, number_of_workers: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, optimizer: str | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, random_seed: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, step_lr_gamma: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, step_lr_step_size: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, training_batch_size: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, validation_batch_size: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, warmup_cosine_lr_cycles: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, warmup_cosine_lr_warmup_epochs: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, weight_decay: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, box_detections_per_image: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, box_score_threshold: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, image_size: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, max_size: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, min_size: int | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, model_size: str | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, multi_scale: bool | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, nms_iou_threshold: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, tile_grid_size: str | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, tile_overlap_ratio: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, tile_predictions_nms_threshold: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, validation_iou_threshold: float | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None, validation_metric_type: str | Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform | None = None)

Параметры

ams_gradient
bool или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Включите AMSGrad, если оптимизатор имеет значение adam или adamw.

beta1
float или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1].

beta2
float или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1].

distributed
bool или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Следует ли использовать обучение распространителя.

early_stopping
bool или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Включить алгоритм раннего прекращения логики во время обучения.

early_stopping_delay
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Минимальное количество эпох или проверочных оценок, которые необходимо дождаться, прежде чем основное улучшение метрики будет отслеживаться для ранней остановки. Принимаются только положительные целые числа.

early_stopping_patience
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Минимальное количество эпох или проверочных оценок без улучшения основной метрики до остановки выполнения. Принимаются только положительные целые числа.

enable_onnx_normalization
bool или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Включить нормализацию при экспорте модели ONNX.

evaluation_frequency
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа.

gradient_accumulation_step
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Накопление градиента означает выполнение настроенного количества шагов GradAccumulationStep без обновления весовых коэффициентов модели при накоплении градиентов этих шагов, а затем использование накопленных градиентов для вычисления обновлений веса. Принимаются только положительные целые числа.

layers_to_freeze
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Количество слоев, которые необходимо заморозить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для seresnext означает замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоя см. в разделе https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long

learning_rate
Обязательно

Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1]. :type learning_rate: float или ~azure.ai.ml.entities.SweepDistribution

learning_rate_scheduler
str или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг".

model_name
str или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

momentum
float или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1].

nesterov
bool или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Включите nesterov, если оптимизатор имеет значение "sgd".

number_of_epochs
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Число эпох обучения. Принимаются только положительные целые числа.

number_of_workers
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.

optimizer
str или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Тип оптимизатора. Должен иметь значение "sgd", "adam" или "adamw".

random_seed
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Случайное начальное значение, используемое при использовании детерминированного обучения.

step_lr_gamma
float или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Значение гамма, когда планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1].

step_lr_step_size
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Значение размера шага, если планировщик скорости обучения — "шаг". Принимаются только положительные целые числа.

training_batch_size
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Размер пакета, используемого для обучения. Принимаются только положительные целые числа.

validation_batch_size
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Размер пакета, используемого для проверки. Принимаются только положительные целые числа.

warmup_cosine_lr_cycles
float или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Значение цикла косинуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].

warmup_cosine_lr_warmup_epochs
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа.

weight_decay
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Значение распада веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть плавающей точкой в диапазоне[0, 1].

box_detections_per_image
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Максимальное число обнаружений на каждое изображение для всех классов. Принимаются только положительные целые числа. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.

box_score_threshold
float или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Во время вывода возвращаются только предложения с оценкой классификации, большей, чем BoxScoreThreshold. Должен быть плавающей точкой в диапазоне[0, 1].

image_size
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Размер изображения для обучения и проверки. Принимаются только положительные целые числа. Примечание. Если размер слишком велик, обучающий запуск может попасть в CUDA OOM. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.

max_size
Обязательно

Максимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5. :type max_size: int или ~azure.ai.ml.entities.SweepDistribution

min_size
int или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Минимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5.

model_size
str или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Размер модели. Должен иметь значение "small", "medium", "large" или "extra_large". Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5.

multi_scale
bool или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Включение многомасштабного изображения путем изменения размера изображения на +/- 50 %. Примечание. Если объема памяти на видеокарте недостаточно, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5.

nms_iou_threshold
float или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Пороговое значение OU, используемое при выводе в послеобработке NMS. Должен быть с плавающей точкой в диапазоне [0, 1].

tile_grid_size
str или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Размер сетки, используемый для мозаичного заполнения каждого изображения. Примечание. Параметр TileGridSize не должен иметь значение None, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn.

tile_overlap_ratio
float или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Коэффициент перекрытия смежных фрагментов в каждом измерении. Должен быть с плавающей точкой в диапазоне [0, 1).

tile_predictions_nms_threshold
float или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Пороговое значение IOU, используемое для выполнения поиска немаксимумов (NMS) при объединении прогнозов из фрагментов и изображения. Используется при проверке или выводе. Должен быть с плавающей точкой в диапазоне [0, 1]. NMS: подавление, не максимальное.

validation_iou_threshold
float или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Пороговое значение OU, используемое при вычислении метрики проверки. Должен быть с плавающей точкой в диапазоне [0, 1].

validation_metric_type
str или <xref:azure.ai.ml.entities.SweepDistribution>
Обязательно

Метод вычисления метрик, который используется для расчета проверочных метрик. Должен иметь значение none, coco, voc или coco_voc.