ImageModelDistributionSettingsObjectDetection interface

Paket:

@azure/arm-machinelearning

Distributionsuttryck för att svepa över värden för modellinställningar. Några exempel är:

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

Egenskaper

boxDetectionsPerImage	Maximalt antal identifieringar per bild för alla klasser. Måste vara ett positivt heltal. Obs! De här inställningarna stöds inte för yolov5-algoritmen.
boxScoreThreshold	Under slutsatsdragningen returnerar du bara förslag med en klassificeringspoäng som är större än BoxScoreThreshold. Måste vara en float i intervallet[0, 1].
imageSize	Bildstorlek för träning och validering. Måste vara ett positivt heltal. Obs! Träningskörningen kan komma in i CUDA OOM om storleken är för stor. Obs! De här inställningarna stöds endast för yolov5-algoritmen.
maxSize	Maximal storlek på bilden som ska skalas om innan den matas till stamnätet. Måste vara ett positivt heltal. Obs! Träningskörning kan komma in i CUDA OOM om storleken är för stor. Obs! De här inställningarna stöds inte för yolov5-algoritmen.
minSize	Minsta storlek på bilden som ska skalas om innan den matas till stamnätet. Måste vara ett positivt heltal. Obs! Träningskörning kan komma in i CUDA OOM om storleken är för stor. Obs! De här inställningarna stöds inte för yolov5-algoritmen.
modelSize	Modellstorlek. Måste vara "liten", "medium", "stor" eller "xlarge". Obs! Träningskörning kan komma in i CUDA OOM om modellstorleken är för stor. Obs! De här inställningarna stöds endast för yolov5-algoritmen.
multiScale	Aktivera flera skalningsbilder genom att variera bildstorleken med +/- 50%. Obs! Träningskörning kan komma in i CUDA OOM om det inte finns tillräckligt med GPU-minne. Obs! De här inställningarna stöds endast för yolov5-algoritmen.
nmsIouThreshold	IOU-tröskelvärde som används vid slutsatsdragning i NMS efter bearbetning. Måste vara flytande i intervallet [0, 1].
tileGridSize	Rutnätsstorleken som ska användas för att sida vid sida vid varje bild. Obs! TileGridSize får inte vara Ingen för att aktivera logik för identifiering av små objekt. En sträng som innehåller två heltal i mxn-format. Obs! De här inställningarna stöds inte för yolov5-algoritmen.
tileOverlapRatio	Överlappningsförhållande mellan intilliggande paneler i varje dimension. Måste vara flytande i intervallet [0, 1). Obs! De här inställningarna stöds inte för yolov5-algoritmen.
tilePredictionsNmsThreshold	Tröskelvärdet för IOU som ska användas för att utföra NMS vid sammanslagning av förutsägelser från paneler och bilder. Används i validering/slutsatsdragning. Måste vara flytande i intervallet [0, 1]. Obs! De här inställningarna stöds inte för yolov5-algoritmen. NMS: Icke-maximal undertryckning
validationIouThreshold	Tröskelvärde för IOU som ska användas vid beräkning av valideringsmått. Måste vara flytande i intervallet [0, 1].
validationMetricType	Beräkningsmetod för mått som ska användas för valideringsmått. Måste vara "none", "coco", "voc" eller "coco_voc".

Ärvda egenskaper

amsGradient	Aktivera AMSGrad när optimeraren är "adam" eller "adamw".
augmentations	Inställningar för att använda förhöjda inställningar.
beta1	Värdet för "beta1" när optimizern är "adam" eller "adamw". Måste vara en flottör i intervallet [0, 1].
beta2	Värdet för "beta2" när optimizern är "adam" eller "adamw". Måste vara en flottör i intervallet [0, 1].
distributed	Om distributionsträning ska användas.
earlyStopping	Aktivera tidig stopplogik under träning.
earlyStoppingDelay	Minsta antal epoker eller valideringsutvärderingar som ska vänta innan den primära måttförbättringen spåras för tidigt stopp. Måste vara ett positivt heltal.
earlyStoppingPatience	Minsta antal epoker eller valideringsutvärderingar utan någon primär måttförbättring innan körningen stoppas. Måste vara ett positivt heltal.
enableOnnxNormalization	Aktivera normalisering vid export av ONNX-modell.
evaluationFrequency	Frekvens för att utvärdera valideringsdatauppsättningen för att hämta måttpoäng. Måste vara ett positivt heltal.
gradientAccumulationStep	Toningsansamling innebär att du kör ett konfigurerat antal "GradAccumulationStep"-steg utan att uppdatera modellvikterna samtidigt som du ackumulerar toningarna i dessa steg och sedan använder de ackumulerade toningarna för att beräkna viktuppdateringarna. Måste vara ett positivt heltal.
layersToFreeze	Antal lager som ska frysas för modellen. Måste vara ett positivt heltal. Om du till exempel skickar 2 som värde för "seresnext" innebär det fryslager0 och lager1. En fullständig lista över modeller som stöds och information om lagerfrysning finns i: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	Inledande inlärningsfrekvens. Måste vara en flottör i intervallet [0, 1].
learningRateScheduler	Typ av schemaläggare för inlärningsfrekvens. Måste vara "warmup_cosine" eller "steg".
modelName	Namnet på den modell som ska användas för träning. Mer information om tillgängliga modeller finns i den officiella dokumentationen: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	Värdet för momentum när optimeraren är "sgd". Måste vara en flottör i intervallet [0, 1].
nesterov	Aktivera nesterov när optimeraren är "sgd".
numberOfEpochs	Antal träningsepoker. Måste vara ett positivt heltal.
numberOfWorkers	Antal datainläsningsarbetare. Måste vara ett icke-negativt heltal.
optimizer	Typ av optimerare. Måste vara antingen "sgd", "adam" eller "adamw".
randomSeed	Slumpmässigt frö som ska användas vid användning av deterministisk träning.
stepLRGamma	Värdet för gamma när learning rate scheduler är "step". Måste vara en flottör i intervallet [0, 1].
stepLRStepSize	Värdet för stegstorlek när schemaläggaren för inlärningsfrekvens är "steg". Måste vara ett positivt heltal.
trainingBatchSize	Träningsbatchstorlek. Måste vara ett positivt heltal.
validationBatchSize	Valideringsbatchstorlek. Måste vara ett positivt heltal.
warmupCosineLRCycles	Värdet för cosinincykeln när schemaläggaren för inlärningsfrekvens är "warmup_cosine". Måste vara en flottör i intervallet [0, 1].
warmupCosineLRWarmupEpochs	Värdet för uppvärmningsepoker när schemaläggaren för inlärningsfrekvens är "warmup_cosine". Måste vara ett positivt heltal.
weightDecay	Värdet för viktförfall när optimeraren är "sgd", "adam" eller "adamw". Måste vara en float i intervallet[0, 1].

Egenskapsinformation

boxDetectionsPerImage

Maximalt antal identifieringar per bild för alla klasser. Måste vara ett positivt heltal. Obs! De här inställningarna stöds inte för yolov5-algoritmen.

boxDetectionsPerImage?: string

Egenskapsvärde

string

boxScoreThreshold

Under slutsatsdragningen returnerar du bara förslag med en klassificeringspoäng som är större än BoxScoreThreshold. Måste vara en float i intervallet[0, 1].

boxScoreThreshold?: string

Egenskapsvärde

string

imageSize

Bildstorlek för träning och validering. Måste vara ett positivt heltal. Obs! Träningskörningen kan komma in i CUDA OOM om storleken är för stor. Obs! De här inställningarna stöds endast för yolov5-algoritmen.

imageSize?: string

Egenskapsvärde

string

maxSize

Maximal storlek på bilden som ska skalas om innan den matas till stamnätet. Måste vara ett positivt heltal. Obs! Träningskörning kan komma in i CUDA OOM om storleken är för stor. Obs! De här inställningarna stöds inte för yolov5-algoritmen.

maxSize?: string

Egenskapsvärde

string

minSize

Minsta storlek på bilden som ska skalas om innan den matas till stamnätet. Måste vara ett positivt heltal. Obs! Träningskörning kan komma in i CUDA OOM om storleken är för stor. Obs! De här inställningarna stöds inte för yolov5-algoritmen.

minSize?: string

Egenskapsvärde

string

modelSize

Modellstorlek. Måste vara "liten", "medium", "stor" eller "xlarge". Obs! Träningskörning kan komma in i CUDA OOM om modellstorleken är för stor. Obs! De här inställningarna stöds endast för yolov5-algoritmen.

modelSize?: string

Egenskapsvärde

string

multiScale

Aktivera flera skalningsbilder genom att variera bildstorleken med +/- 50%. Obs! Träningskörning kan komma in i CUDA OOM om det inte finns tillräckligt med GPU-minne. Obs! De här inställningarna stöds endast för yolov5-algoritmen.

multiScale?: string

Egenskapsvärde

string

nmsIouThreshold

IOU-tröskelvärde som används vid slutsatsdragning i NMS efter bearbetning. Måste vara flytande i intervallet [0, 1].

nmsIouThreshold?: string

Egenskapsvärde

string

tileGridSize

Rutnätsstorleken som ska användas för att sida vid sida vid varje bild. Obs! TileGridSize får inte vara Ingen för att aktivera logik för identifiering av små objekt. En sträng som innehåller två heltal i mxn-format. Obs! De här inställningarna stöds inte för yolov5-algoritmen.

tileGridSize?: string

Egenskapsvärde

string

tileOverlapRatio

Överlappningsförhållande mellan intilliggande paneler i varje dimension. Måste vara flytande i intervallet [0, 1). Obs! De här inställningarna stöds inte för yolov5-algoritmen.

tileOverlapRatio?: string

Egenskapsvärde

string

tilePredictionsNmsThreshold

Tröskelvärdet för IOU som ska användas för att utföra NMS vid sammanslagning av förutsägelser från paneler och bilder. Används i validering/slutsatsdragning. Måste vara flytande i intervallet [0, 1]. Obs! De här inställningarna stöds inte för yolov5-algoritmen. NMS: Icke-maximal undertryckning

tilePredictionsNmsThreshold?: string

Egenskapsvärde

string

validationIouThreshold

Tröskelvärde för IOU som ska användas vid beräkning av valideringsmått. Måste vara flytande i intervallet [0, 1].

validationIouThreshold?: string

Egenskapsvärde

string

validationMetricType

Beräkningsmetod för mått som ska användas för valideringsmått. Måste vara "none", "coco", "voc" eller "coco_voc".

validationMetricType?: string

Egenskapsvärde

string

Information om ärvda egenskaper

amsGradient

Aktivera AMSGrad när optimeraren är "adam" eller "adamw".

amsGradient?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.amsGradient

augmentations

Inställningar för att använda förhöjda inställningar.

augmentations?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.augmentations

beta1

Värdet för "beta1" när optimizern är "adam" eller "adamw". Måste vara en flottör i intervallet [0, 1].

beta1?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.beta1

beta2

Värdet för "beta2" när optimizern är "adam" eller "adamw". Måste vara en flottör i intervallet [0, 1].

beta2?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.beta2

distributed

Om distributionsträning ska användas.

distributed?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.distributed

earlyStopping

Aktivera tidig stopplogik under träning.

earlyStopping?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.earlyStopping

earlyStoppingDelay

Minsta antal epoker eller valideringsutvärderingar som ska vänta innan den primära måttförbättringen spåras för tidigt stopp. Måste vara ett positivt heltal.

earlyStoppingDelay?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.earlyStoppingDelay

earlyStoppingPatience

Minsta antal epoker eller valideringsutvärderingar utan någon primär måttförbättring innan körningen stoppas. Måste vara ett positivt heltal.

earlyStoppingPatience?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.earlyStoppingPatience

enableOnnxNormalization

Aktivera normalisering vid export av ONNX-modell.

enableOnnxNormalization?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.enableOnnxNormalization

evaluationFrequency

Frekvens för att utvärdera valideringsdatauppsättningen för att hämta måttpoäng. Måste vara ett positivt heltal.

evaluationFrequency?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.evaluationFrequency

gradientAccumulationStep

Toningsansamling innebär att du kör ett konfigurerat antal "GradAccumulationStep"-steg utan att uppdatera modellvikterna samtidigt som du ackumulerar toningarna i dessa steg och sedan använder de ackumulerade toningarna för att beräkna viktuppdateringarna. Måste vara ett positivt heltal.

gradientAccumulationStep?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.gradientAccumulationStep

layersToFreeze

Antal lager som ska frysas för modellen. Måste vara ett positivt heltal. Om du till exempel skickar 2 som värde för "seresnext" innebär det fryslager0 och lager1. En fullständig lista över modeller som stöds och information om lagerfrysning finns i: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.layerToFreeze

learningRate

Inledande inlärningsfrekvens. Måste vara en flottör i intervallet [0, 1].

learningRate?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.learningRate

learningRateScheduler

Typ av schemaläggare för inlärningsfrekvens. Måste vara "warmup_cosine" eller "steg".

learningRateScheduler?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.learningRateScheduler

modelName

Namnet på den modell som ska användas för träning. Mer information om tillgängliga modeller finns i den officiella dokumentationen: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.modelName

momentum

Värdet för momentum när optimeraren är "sgd". Måste vara en flottör i intervallet [0, 1].

momentum?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.momentum

nesterov

Aktivera nesterov när optimeraren är "sgd".

nesterov?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.nesterov

numberOfEpochs

Antal träningsepoker. Måste vara ett positivt heltal.

numberOfEpochs?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.numberOfEpochs

numberOfWorkers

Antal datainläsningsarbetare. Måste vara ett icke-negativt heltal.

numberOfWorkers?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.numberOfWorkers

optimizer

Typ av optimerare. Måste vara antingen "sgd", "adam" eller "adamw".

optimizer?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.optimizer

randomSeed

Slumpmässigt frö som ska användas vid användning av deterministisk träning.

randomSeed?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.randomSeed

stepLRGamma

Värdet för gamma när learning rate scheduler är "step". Måste vara en flottör i intervallet [0, 1].

stepLRGamma?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.stepLRGamma

stepLRStepSize

Värdet för stegstorlek när schemaläggaren för inlärningsfrekvens är "steg". Måste vara ett positivt heltal.

stepLRStepSize?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.stepLRStepSize

trainingBatchSize

Träningsbatchstorlek. Måste vara ett positivt heltal.

trainingBatchSize?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.trainingBatchSize

validationBatchSize

Valideringsbatchstorlek. Måste vara ett positivt heltal.

validationBatchSize?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.validationBatchSize

warmupCosineLRCycles

Värdet för cosinincykeln när schemaläggaren för inlärningsfrekvens är "warmup_cosine". Måste vara en flottör i intervallet [0, 1].

warmupCosineLRCycles?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Värdet för uppvärmningsepoker när schemaläggaren för inlärningsfrekvens är "warmup_cosine". Måste vara ett positivt heltal.

warmupCosineLRWarmupEpochs?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.warmupCosineLRWarmupEpochs

weightDecay

Värdet för viktförfall när optimeraren är "sgd", "adam" eller "adamw". Måste vara en float i intervallet[0, 1].

weightDecay?: string

Egenskapsvärde

string

ärvd frånImageModelDistributionSettings.weightDecay