ImageModelDistributionSettingsObjectDetection interface
分散運算式，以掃掠模型設定的值。
一些範例包括：
ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
如需如何撰寫散發表達式的詳細資訊，請參閱檔：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters 如需可用設定的詳細資訊，請流覽官方檔：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
- Extends
屬性
| box |
所有類別的每個影像偵測數目上限。 必須是正整數。 注意：'yolov5' 演算法不支援此設定。 |
| box |
在推斷期間，只會傳回分類分數大於 BoxScoreThreshold 的建議。 必須是範圍[0， 1] 中的浮點數。 |
| image |
定型和驗證的影像大小。 必須是正整數。 注意：如果大小太大，定型回合可能會進入 CUDA OOM。 注意：只有 'yolov5' 演算法才支援此設定。 |
| max |
在將影像饋送至骨幹之前，要重新調整的影像大小上限。 必須是正整數。 注意：如果大小太大，定型執行可能會進入 CUDA OOM。 注意：'yolov5' 演算法不支援此設定。 |
| min |
將影像饋送至骨幹之前，要重新調整的影像大小下限。 必須是正整數。 注意：如果大小太大，定型執行可能會進入 CUDA OOM。 注意：'yolov5' 演算法不支援此設定。 |
| model |
模型大小。 必須是 'small'、'medium'、'large' 或 'xlarge'。 注意：如果模型大小太大，定型執行可能會進入 CUDA OOM。 注意：只有 'yolov5' 演算法才支援此設定。 |
| multi |
依 +/- 50%來啟用多重縮放影像大小。 注意：如果沒有足夠的 GPU 記憶體，定型執行可能會進入 CUDA OOM。 注意：只有 'yolov5' 演算法才支援此設定。 |
| nms |
在NMS後置處理中的推斷期間使用的IOU臨界值。 必須是範圍 [0， 1] 中的 float。 |
| tile |
用來貼上每個影像的網格線大小。 注意：TileGridSize 不得為 None，才能啟用小型物件偵測邏輯。 包含兩個整數的字串，其格式為一個。 注意：'yolov5' 演算法不支援此設定。 |
| tile |
每個維度中相鄰磚之間的重疊比例。 必須是範圍 [0， 1] 中的浮點數。 注意：'yolov5' 演算法不支援此設定。 |
| tile |
用來執行NMS的IOU閾值，同時合併磚和影像的預測。 用於驗證/推斷。 必須是範圍 [0， 1] 中的 float。 注意：'yolov5' 演算法不支援此設定。 NMS：非最大歸併 |
| validation |
計算驗證計量時要使用的IOU閾值。 必須是範圍 [0， 1] 中的 float。 |
| validation |
用於驗證計量的計量計算方法。 必須是 『none』、『coco』、'voc'或 'coco_voc'。 |
繼承的屬性
| ams |
當優化器為 『adam』 或 'adamw' 時啟用AMSGrad。 |
| augmentations | 使用擴增的設定。 |
| beta1 | 優化器為 'adam' 或 'adamw' 時的 'beta1' 值。 必須是範圍 [0， 1] 中的浮點數。 |
| beta2 | 優化器為 'adam' 或 'adamw' 時的 'beta2' 值。 必須是範圍 [0， 1] 中的浮點數。 |
| distributed | 是否要使用散發器定型。 |
| early |
在定型期間啟用早期停止邏輯。 |
| early |
追蹤主要計量改善之前，要等待的最小 Epoch 或驗證評估數目，以便進行早期停止。 必須是正整數。 |
| early |
停止執行之前，沒有主要計量改進的最小 Epoch 或驗證評估數目。 必須是正整數。 |
| enable |
匯出 ONNX 模型時啟用正規化。 |
| evaluation |
評估驗證數據集以取得計量分數的頻率。 必須是正整數。 |
| gradient |
漸層累積表示執行已設定數目的 「GradAccumulationStep」 步驟，而不更新模型權數，同時累積這些步驟的漸層，然後使用累積的漸層來計算權數更新。 必須是正整數。 |
| layers |
要凍結模型的圖層數目。 必須是正整數。 例如，將 2 當做 'seresnext' 的值傳遞表示凍結 layer0 和 layer1。 如需支援模型的完整清單，以及層次凍結的詳細資料，請參閱：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。 |
| learning |
初始學習速率。 必須是範圍 [0， 1] 中的浮點數。 |
| learning |
學習速率排程器的類型。 必須是 『warmup_cosine』 或 'step'。 |
| model |
要用於定型的模型名稱。 如需可用模型的詳細資訊，請流覽官方檔：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。 |
| momentum | 優化器為 『zn』 時的動量值。 必須是範圍 [0， 1] 中的浮點數。 |
| nesterov | 在優化器為 『zn』 時啟用 nesterov。 |
| number |
定型 Epoch 的數目。 必須是正整數。 |
| number |
數據載入器背景工作角色的數目。 必須是非負整數。 |
| optimizer | 優化工具的類型。 必須是 『zn』、『adam』或 『adamw』。 |
| random |
使用決定性定型時要使用的隨機種子。 |
| step |
學習速率排程器為 『step』 時的 gamma 值。 必須是範圍 [0， 1] 中的浮點數。 |
| step |
學習速率排程器為 『step』 時的步驟大小值。 必須是正整數。 |
| training |
定型批次大小。 必須是正整數。 |
| validation |
驗證批次大小。 必須是正整數。 |
| warmup |
學習速率排程器為「warmup_cosine」時，餘弦迴圈的值。 必須是範圍 [0， 1] 中的浮點數。 |
| warmup |
學習速率排程器為「warmup_cosine」時，熱身 Epoch 的值。 必須是正整數。 |
| weight |
優化器為 'zn'、'adam' 或 'adamw' 時的權數衰變值。 必須是範圍[0， 1] 中的浮點數。 |
屬性詳細資料
boxDetectionsPerImage
所有類別的每個影像偵測數目上限。 必須是正整數。 注意：'yolov5' 演算法不支援此設定。
boxDetectionsPerImage?: string屬性值
string
boxScoreThreshold
在推斷期間，只會傳回分類分數大於 BoxScoreThreshold 的建議。 必須是範圍[0， 1] 中的浮點數。
boxScoreThreshold?: string屬性值
string
imageSize
定型和驗證的影像大小。 必須是正整數。 注意：如果大小太大，定型回合可能會進入 CUDA OOM。 注意：只有 'yolov5' 演算法才支援此設定。
imageSize?: string屬性值
string
maxSize
在將影像饋送至骨幹之前，要重新調整的影像大小上限。 必須是正整數。 注意：如果大小太大，定型執行可能會進入 CUDA OOM。 注意：'yolov5' 演算法不支援此設定。
maxSize?: string屬性值
string
minSize
將影像饋送至骨幹之前，要重新調整的影像大小下限。 必須是正整數。 注意：如果大小太大，定型執行可能會進入 CUDA OOM。 注意：'yolov5' 演算法不支援此設定。
minSize?: string屬性值
string
modelSize
模型大小。 必須是 'small'、'medium'、'large' 或 'xlarge'。 注意：如果模型大小太大，定型執行可能會進入 CUDA OOM。 注意：只有 'yolov5' 演算法才支援此設定。
modelSize?: string屬性值
string
multiScale
依 +/- 50%來啟用多重縮放影像大小。 注意：如果沒有足夠的 GPU 記憶體，定型執行可能會進入 CUDA OOM。 注意：只有 'yolov5' 演算法才支援此設定。
multiScale?: string屬性值
string
nmsIouThreshold
在NMS後置處理中的推斷期間使用的IOU臨界值。 必須是範圍 [0， 1] 中的 float。
nmsIouThreshold?: string屬性值
string
tileGridSize
用來貼上每個影像的網格線大小。 注意：TileGridSize 不得為 None，才能啟用小型物件偵測邏輯。 包含兩個整數的字串，其格式為一個。 注意：'yolov5' 演算法不支援此設定。
tileGridSize?: string屬性值
string
tileOverlapRatio
每個維度中相鄰磚之間的重疊比例。 必須是範圍 [0， 1] 中的浮點數。 注意：'yolov5' 演算法不支援此設定。
tileOverlapRatio?: string屬性值
string
tilePredictionsNmsThreshold
用來執行NMS的IOU閾值，同時合併磚和影像的預測。 用於驗證/推斷。 必須是範圍 [0， 1] 中的 float。 注意：'yolov5' 演算法不支援此設定。 NMS：非最大歸併
tilePredictionsNmsThreshold?: string屬性值
string
validationIouThreshold
計算驗證計量時要使用的IOU閾值。 必須是範圍 [0， 1] 中的 float。
validationIouThreshold?: string屬性值
string
validationMetricType
用於驗證計量的計量計算方法。 必須是 『none』、『coco』、'voc'或 'coco_voc'。
validationMetricType?: string屬性值
string
繼承的屬性詳細資料
amsGradient
當優化器為 『adam』 或 'adamw' 時啟用AMSGrad。
amsGradient?: string屬性值
string
augmentations
beta1
優化器為 'adam' 或 'adamw' 時的 'beta1' 值。 必須是範圍 [0， 1] 中的浮點數。
beta1?: string屬性值
string
beta2
優化器為 'adam' 或 'adamw' 時的 'beta2' 值。 必須是範圍 [0， 1] 中的浮點數。
beta2?: string屬性值
string
distributed
earlyStopping
earlyStoppingDelay
追蹤主要計量改善之前，要等待的最小 Epoch 或驗證評估數目，以便進行早期停止。 必須是正整數。
earlyStoppingDelay?: string屬性值
string
earlyStoppingPatience
停止執行之前，沒有主要計量改進的最小 Epoch 或驗證評估數目。 必須是正整數。
earlyStoppingPatience?: string屬性值
string
enableOnnxNormalization
匯出 ONNX 模型時啟用正規化。
enableOnnxNormalization?: string屬性值
string
evaluationFrequency
評估驗證數據集以取得計量分數的頻率。 必須是正整數。
evaluationFrequency?: string屬性值
string
gradientAccumulationStep
漸層累積表示執行已設定數目的 「GradAccumulationStep」 步驟，而不更新模型權數，同時累積這些步驟的漸層，然後使用累積的漸層來計算權數更新。 必須是正整數。
gradientAccumulationStep?: string屬性值
string
layersToFreeze
要凍結模型的圖層數目。 必須是正整數。 例如，將 2 當做 'seresnext' 的值傳遞表示凍結 layer0 和 layer1。 如需支援模型的完整清單，以及層次凍結的詳細資料，請參閱：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
layersToFreeze?: string屬性值
string
learningRate
初始學習速率。 必須是範圍 [0， 1] 中的浮點數。
learningRate?: string屬性值
string
learningRateScheduler
學習速率排程器的類型。 必須是 『warmup_cosine』 或 'step'。
learningRateScheduler?: string屬性值
string
modelName
要用於定型的模型名稱。 如需可用模型的詳細資訊，請流覽官方檔：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
modelName?: string屬性值
string
momentum
優化器為 『zn』 時的動量值。 必須是範圍 [0， 1] 中的浮點數。
momentum?: string屬性值
string
nesterov
numberOfEpochs
定型 Epoch 的數目。 必須是正整數。
numberOfEpochs?: string屬性值
string
numberOfWorkers
數據載入器背景工作角色的數目。 必須是非負整數。
numberOfWorkers?: string屬性值
string
optimizer
優化工具的類型。 必須是 『zn』、『adam』或 『adamw』。
optimizer?: string屬性值
string
randomSeed
stepLRGamma
學習速率排程器為 『step』 時的 gamma 值。 必須是範圍 [0， 1] 中的浮點數。
stepLRGamma?: string屬性值
string
stepLRStepSize
學習速率排程器為 『step』 時的步驟大小值。 必須是正整數。
stepLRStepSize?: string屬性值
string
trainingBatchSize
定型批次大小。 必須是正整數。
trainingBatchSize?: string屬性值
string
validationBatchSize
驗證批次大小。 必須是正整數。
validationBatchSize?: string屬性值
string
warmupCosineLRCycles
學習速率排程器為「warmup_cosine」時，餘弦迴圈的值。 必須是範圍 [0， 1] 中的浮點數。
warmupCosineLRCycles?: string屬性值
string
warmupCosineLRWarmupEpochs
學習速率排程器為「warmup_cosine」時，熱身 Epoch 的值。 必須是正整數。
warmupCosineLRWarmupEpochs?: string屬性值
string
繼承自imageModelDistributionSettings.warmupCosineLRWarmupEpochs
weightDecay
優化器為 'zn'、'adam' 或 'adamw' 時的權數衰變值。 必須是範圍[0， 1] 中的浮點數。
weightDecay?: string屬性值
string