ImageModelDistributionSettingsObjectDetection interface

Csomag:: @azure/arm-machinelearning

Terjesztési kifejezések a modellbeállítások értékeinek átsöpréséhez. <példa> Néhány példa:

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

Tulajdonságok

boxDetectionsPerImage	Az észlelések maximális száma képenként, minden osztály esetében. Pozitív egész számnak kell lennie. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.
boxScoreThreshold	A következtetés során csak olyan javaslatokat ad vissza, amelyek besorolási pontszáma nagyobb, mint a BoxScoreThreshold. Lebegtetésnek kell lennie a tartományban[0, 1].
imageSize	Képméret betanítása és ellenőrzése. Pozitív egész számnak kell lennie. Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a méret túl nagy. Megjegyzés: Ez a beállítás csak a "yolov5" algoritmus esetében támogatott.
maxSize	Az újraskálázandó kép maximális mérete, mielőtt a gerinchez táplálja. Pozitív egész számnak kell lennie. Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a méret túl nagy. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.
minSize	Az újraskálázandó kép minimális mérete, mielőtt a gerinchez táplálja. Pozitív egész számnak kell lennie. Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a méret túl nagy. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.
modelSize	Modell mérete. Legyen "kicsi", "közepes", "nagy" vagy "xlarge". Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a modell mérete túl nagy. Megjegyzés: Ez a beállítás csak a "yolov5" algoritmus esetében támogatott.
multiScale	Több léptékű rendszerkép engedélyezése a kép méretének +/- 50%szerint történő variálásával. Megjegyzés: A betanítási futtatás akkor kerülhet a CUDA OOM-ba, ha nincs elegendő GPU-memória. Megjegyzés: Ez a beállítás csak a "yolov5" algoritmus esetében támogatott.
nmsIouThreshold	Az NMS utófeldolgozás során a következtetés során használt IOU-küszöbérték. Az [0, 1] tartományban kell lebegnie.
tileGridSize	Az egyes képek burkolásához használandó rácsméret. Megjegyzés: A TileGridSize nem lehet Nincs a kis objektumészlelési logika engedélyezéséhez. Két egész számot tartalmazó sztring mxn formátumban. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.
tileOverlapRatio	Átfedés aránya a szomszédos csempék között az egyes dimenziókban. Az [0, 1] tartományban kell lebegnie. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.
tilePredictionsNmsThreshold	Az NMS végrehajtásához használandó IOU-küszöbérték a csempékből és a rendszerképből származó előrejelzések egyesítése során. Érvényesítéshez/ következtetéshez használatos. Az [0, 1] tartományban kell lebegnie. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében. NMS: Nem maximális letiltás
validationIouThreshold	Az érvényesítési metrikák kiszámításához használandó IOU-küszöbérték. Az [0, 1] tartományban kell lebegnie.
validationMetricType	Metrikaszámítási módszer az érvényesítési metrikákhoz. "nincs", "coco", "voc" vagy "coco_voc" kell lennie.

Örökölt tulajdonságok

amsGradient	Engedélyezze az AMSGradt, ha az optimalizáló "adam" vagy "adamw".
augmentations	A Kiegészítések használatának beállításai.
beta1	A "béta1" értéke, ha az optimalizáló "adam" vagy "adamw". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.
beta2	A "béta2" értéke, ha az optimalizáló "adam" vagy "adamw". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.
distributed	A terjesztő betanításának használata.
earlyStopping	A korai leállítási logika engedélyezése a betanítás során.
earlyStoppingDelay	Az elsődleges metrikajavítás nyomon követése előtt a korai leállításhoz szükséges minimális időértékek vagy érvényesítési értékelések száma. Pozitív egész számnak kell lennie.
earlyStoppingPatience	A futtatás leállítása előtt az elsődleges metrikajavítás nélküli alapidőszakok vagy érvényesítési értékelések minimális száma. Pozitív egész számnak kell lennie.
enableOnnxNormalization	Engedélyezze a normalizálást az ONNX-modell exportálása során.
evaluationFrequency	Az érvényesítési adatkészlet kiértékelésének gyakorisága a metrika pontszámainak lekéréséhez. Pozitív egész számnak kell lennie.
gradientAccumulationStep	A színátmenet-felhalmozás azt jelenti, hogy konfigurált számú "GradAccumulationStep" lépést futtat a modell súlyainak frissítése nélkül, miközben a lépések színátmeneteit gyűjti össze, majd a halmozott színátmenetekkel kiszámítja a súlyfrissítéseket. Pozitív egész számnak kell lennie.
layersToFreeze	A modellhez rögzíteni kívánt rétegek száma. Pozitív egész számnak kell lennie. Ha például a 2 értéket a "seresnext" értékeként adja át, az a 0. és az 1. réteg fagyasztását jelenti. A támogatott modellek teljes listáját és a rétegbefagyasztás részleteit a következő cikkben találja: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	Kezdeti tanulási arány. Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.
learningRateScheduler	A tanulási sebességütemező típusa. "warmup_cosine" vagy "lépés" lehet.
modelName	A betanításhoz használandó modell neve. Az elérhető modellekről további információt a hivatalos dokumentációban talál: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	A lendület értéke, ha az optimalizáló "sgd". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.
nesterov	Engedélyezze a nesterovot, ha az optimalizáló "sgd" állapotú.
numberOfEpochs	A betanítási korszakok száma. Pozitív egész számnak kell lennie.
numberOfWorkers	Az adatbetöltő feldolgozóinak száma. Nem negatív egész számnak kell lennie.
optimizer	Az optimalizáló típusa. "sgd", "adam" vagy "adamw" lehet.
randomSeed	Determinisztikus betanítás használatakor használandó véletlenszerű vetőmag.
stepLRGamma	A gamma értéke, ha a tanulási sebességütemező a "lépés". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.
stepLRStepSize	A lépésméret értéke, ha a tanulási sebességütemező "lépés". Pozitív egész számnak kell lennie.
trainingBatchSize	Betanítási köteg mérete. Pozitív egész számnak kell lennie.
validationBatchSize	Érvényesítési köteg mérete. Pozitív egész számnak kell lennie.
warmupCosineLRCycles	A koszinuszciklus értéke, ha a tanulási sebességütemező "warmup_cosine". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.
warmupCosineLRWarmupEpochs	A bemelegítési időszak értéke, ha a tanulási sebességütemező "warmup_cosine". Pozitív egész számnak kell lennie.
weightDecay	A súlycsökkenés értéke, ha az optimalizáló "sgd", "adam" vagy "adamw". Lebegtetésnek kell lennie a tartományban[0, 1].

Tulajdonság adatai

boxDetectionsPerImage

Az észlelések maximális száma képenként, minden osztály esetében. Pozitív egész számnak kell lennie. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.

boxDetectionsPerImage?: string

Tulajdonság értéke

string

boxScoreThreshold

A következtetés során csak olyan javaslatokat ad vissza, amelyek besorolási pontszáma nagyobb, mint a BoxScoreThreshold. Lebegtetésnek kell lennie a tartományban[0, 1].

boxScoreThreshold?: string

Tulajdonság értéke

string

imageSize

Képméret betanítása és ellenőrzése. Pozitív egész számnak kell lennie. Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a méret túl nagy. Megjegyzés: Ez a beállítás csak a "yolov5" algoritmus esetében támogatott.

imageSize?: string

Tulajdonság értéke

string

maxSize

Az újraskálázandó kép maximális mérete, mielőtt a gerinchez táplálja. Pozitív egész számnak kell lennie. Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a méret túl nagy. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.

maxSize?: string

Tulajdonság értéke

string

minSize

Az újraskálázandó kép minimális mérete, mielőtt a gerinchez táplálja. Pozitív egész számnak kell lennie. Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a méret túl nagy. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.

minSize?: string

Tulajdonság értéke

string

modelSize

Modell mérete. Legyen "kicsi", "közepes", "nagy" vagy "xlarge". Megjegyzés: A betanítási futtatás a CUDA OOM-ba kerülhet, ha a modell mérete túl nagy. Megjegyzés: Ez a beállítás csak a "yolov5" algoritmus esetében támogatott.

modelSize?: string

Tulajdonság értéke

string

multiScale

Több léptékű rendszerkép engedélyezése a kép méretének +/- 50%szerint történő variálásával. Megjegyzés: A betanítási futtatás akkor kerülhet a CUDA OOM-ba, ha nincs elegendő GPU-memória. Megjegyzés: Ez a beállítás csak a "yolov5" algoritmus esetében támogatott.

multiScale?: string

Tulajdonság értéke

string

nmsIouThreshold

Az NMS utófeldolgozás során a következtetés során használt IOU-küszöbérték. Az [0, 1] tartományban kell lebegnie.

nmsIouThreshold?: string

Tulajdonság értéke

string

tileGridSize

Az egyes képek burkolásához használandó rácsméret. Megjegyzés: A TileGridSize nem lehet Nincs a kis objektumészlelési logika engedélyezéséhez. Két egész számot tartalmazó sztring mxn formátumban. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.

tileGridSize?: string

Tulajdonság értéke

string

tileOverlapRatio

Átfedés aránya a szomszédos csempék között az egyes dimenziókban. Az [0, 1] tartományban kell lebegnie. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében.

tileOverlapRatio?: string

Tulajdonság értéke

string

tilePredictionsNmsThreshold

Az NMS végrehajtásához használandó IOU-küszöbérték a csempékből és a rendszerképből származó előrejelzések egyesítése során. Érvényesítéshez/ következtetéshez használatos. Az [0, 1] tartományban kell lebegnie. Megjegyzés: Ez a beállítás nem támogatott a "yolov5" algoritmus esetében. NMS: Nem maximális letiltás

tilePredictionsNmsThreshold?: string

Tulajdonság értéke

string

validationIouThreshold

Az érvényesítési metrikák kiszámításához használandó IOU-küszöbérték. Az [0, 1] tartományban kell lebegnie.

validationIouThreshold?: string

Tulajdonság értéke

string

validationMetricType

Metrikaszámítási módszer az érvényesítési metrikákhoz. "nincs", "coco", "voc" vagy "coco_voc" kell lennie.

validationMetricType?: string

Tulajdonság értéke

string

Örökölt tulajdonság részletei

amsGradient

Engedélyezze az AMSGradt, ha az optimalizáló "adam" vagy "adamw".

amsGradient?: string

Tulajdonság értéke

string

ÖrököltImageModelDistributionSettings.amsGradient

augmentations

A Kiegészítések használatának beállításai.

augmentations?: string

Tulajdonság értéke

string

ÖrököltImageModelDistributionSettings.augmentations

beta1

A "béta1" értéke, ha az optimalizáló "adam" vagy "adamw". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.

beta1?: string

Tulajdonság értéke

string

ÖrököltImageModelDistributionSettings.beta1

beta2

A "béta2" értéke, ha az optimalizáló "adam" vagy "adamw". Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.

beta2?: string

Tulajdonság értéke

string

ÖrököltImageModelDistributionSettings.beta2

distributed

A terjesztő betanításának használata.

distributed?: string

Tulajdonság értéke

string

ÖrököltImageModelDistributionSettings.distributed

earlyStopping

A korai leállítási logika engedélyezése a betanítás során.

earlyStopping?: string

Tulajdonság értéke

string

ÖrököltImageModelDistributionSettings.earlyStopping

earlyStoppingDelay

Az elsődleges metrikajavítás nyomon követése előtt a korai leállításhoz szükséges minimális időértékek vagy érvényesítési értékelések száma. Pozitív egész számnak kell lennie.

earlyStoppingDelay?: string

Tulajdonság értéke

string

ÖrököltImageModelDistributionSettings.earlyStoppingDelay

earlyStoppingPatience

A futtatás leállítása előtt az elsődleges metrikajavítás nélküli alapidőszakok vagy érvényesítési értékelések minimális száma. Pozitív egész számnak kell lennie.

earlyStoppingPatience?: string

Tulajdonság értéke

string

ÖrököltImageModelDistributionSettings.earlyStoppingPatience

enableOnnxNormalization

Engedélyezze a normalizálást az ONNX-modell exportálása során.

enableOnnxNormalization?: string

Tulajdonság értéke

string

ÖrököltImageModelDistributionSettings.enableOnnxNormalization

evaluationFrequency

Az érvényesítési adatkészlet kiértékelésének gyakorisága a metrika pontszámainak lekéréséhez. Pozitív egész számnak kell lennie.

evaluationFrequency?: string

Tulajdonság értéke

string

ÖrököltImageModelDistributionSettings.evaluationFrequency

gradientAccumulationStep

A színátmenet-felhalmozás azt jelenti, hogy konfigurált számú "GradAccumulationStep" lépést futtat a modell súlyainak frissítése nélkül, miközben a lépések színátmeneteit gyűjti össze, majd a halmozott színátmenetekkel kiszámítja a súlyfrissítéseket. Pozitív egész számnak kell lennie.

gradientAccumulationStep?: string

Tulajdonság értéke

string

ÖrököltImageModelDistributionSettings.gradientAccumulationStep

layersToFreeze

A modellhez rögzíteni kívánt rétegek száma. Pozitív egész számnak kell lennie. Ha például a 2 értéket a "seresnext" értékeként adja át, az a 0. és az 1. réteg fagyasztását jelenti. A támogatott modellek teljes listáját és a rétegbefagyasztás részleteit a következő cikkben találja: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: string

Tulajdonság értéke

string

ImageModelDistributionSettings.layersToFreeze

learningRate

Kezdeti tanulási arány. Az [0, 1] tartományban lévő lebegőpontosnak kell lennie.

learningRate?: string

Tulajdonság értéke

string

ÖrököltImageModelDistributionSettings.learningRate

learningRateScheduler

A tanulási sebességütemező típusa. "warmup_cosine" vagy "lépés" lehet.

learningRateScheduler?: string

Tulajdonság értéke

string

ÖrököltImageModelDistributionSettings.learningRateScheduler

modelName

A betanításhoz használandó modell neve. Az elérhető modellekről további információt a hivatalos dokumentációban talál: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.