ImageModelSettingsObjectDetection interface

Csomag:: @azure/arm-machinelearning

A modell betanításához használt beállítások. Az elérhető beállításokkal kapcsolatos további információkért látogasson el a hivatalos dokumentációba: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Extends: ImageModelSettings

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 lévő lebegőpontosnak kell lennie.
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.
validationIouThreshold	Az érvényesítési metrikák kiszámításához használandó IOU-küszöbérték. Az [0, 1] tartományban kell lebegnie.
validationMetricType	Metrikaszámítási módszer az érvényesítési metrikákhoz.

Örökölt tulajdonságok

advancedSettings	Speciális forgatókönyvek beállításai.
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.
checkpointFrequency	A modell ellenőrzőpontjainak tárolási gyakorisága. Pozitív egész számnak kell lennie.
checkpointModel	Az előre betanított ellenőrzőpont-modell növekményes betanításhoz.
checkpointRunId	Egy korábbi futtatás azonosítója, amely előre betanított ellenőrzőponttal rendelkezik a növekményes betanításhoz.
distributed	Elosztott betanítás 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.
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?: number

Tulajdonság értéke

number

boxScoreThreshold

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

boxScoreThreshold?: number

Tulajdonság értéke

number

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?: number

Tulajdonság értéke

number

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?: number

Tulajdonság értéke

number

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?: number

Tulajdonság értéke

number

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?: boolean

Tulajdonság értéke

boolean

nmsIouThreshold

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

nmsIouThreshold?: number

Tulajdonság értéke

number

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?: number

Tulajdonság értéke

number

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.

tilePredictionsNmsThreshold?: number

Tulajdonság értéke

number

validationIouThreshold

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

validationIouThreshold?: number

Tulajdonság értéke

number

validationMetricType

Metrikaszámítási módszer az érvényesítési metrikákhoz.

validationMetricType?: string

Tulajdonság értéke

string

Örökölt tulajdonság részletei

advancedSettings

Speciális forgatókönyvek beállításai.

advancedSettings?: string

Tulajdonság értéke

string

ÖrököltImageModelSettings.advancedSettings

amsGradient

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

amsGradient?: boolean

Tulajdonság értéke

boolean

ÖrököltImageModelSettings.amsGradient

augmentations

A Kiegészítések használatának beállításai.

augmentations?: string

Tulajdonság értéke

string

ÖrököltImageModelSettings.augmentations

beta1

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

beta1?: number

Tulajdonság értéke

number

ÖrököltImageModelSettings.beta1

beta2

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

beta2?: number

Tulajdonság értéke

number

ÖrököltImageModelSettings.beta2

checkpointFrequency

A modell ellenőrzőpontjainak tárolási gyakorisága. Pozitív egész számnak kell lennie.

checkpointFrequency?: number

Tulajdonság értéke

number

ÖrököltImageModelSettings.checkpointFrequency

checkpointModel

Az előre betanított ellenőrzőpont-modell növekményes betanításhoz.

checkpointModel?: MLFlowModelJobInput

Tulajdonság értéke

MLFlowModelJobInput

ÖrököltImageModelSettings.checkpointModel

checkpointRunId

Egy korábbi futtatás azonosítója, amely előre betanított ellenőrzőponttal rendelkezik a növekményes betanításhoz.

checkpointRunId?: string

Tulajdonság értéke

string

ÖrököltImageModelSettings.checkpointRunId

distributed

Elosztott betanítás használata.

distributed?: boolean

Tulajdonság értéke

boolean

ÖrököltImageModelSettings.distributed

earlyStopping

A korai leállítási logika engedélyezése a betanítás során.

earlyStopping?: boolean

Tulajdonság értéke

boolean

ÖrököltImageModelSettings.earlyStopping

earlyStoppingDelay

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

earlyStoppingDelay?: number

Tulajdonság értéke

number

ÖrököltImageModelSettings.earlyStoppingDelay

earlyStoppingPatience

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

earlyStoppingPatience?: number

Tulajdonság értéke

number

ÖrököltImageModelSettings.earlyStoppingPatience

enableOnnxNormalization

Engedélyezze a normalizálást az ONNX-modell exportálása során.

enableOnnxNormalization?: boolean

Tulajdonság értéke

boolean

ÖrököltImageModelSettings.enableOnnxNormalization

evaluationFrequency

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

evaluationFrequency?: number

Tulajdonság értéke

number

ÖrököltImageModelSettings.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?: number

Tulajdonság értéke

number

ÖrököltImageModelSettings.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?: number

Tulajdonság értéke

number

ÖrököltImageModelSettings.layersToFreeze

learningRate

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

learningRate?: number

Tulajdonság értéke

number

ÖrököltImageModelSettings.learningRate

learningRateScheduler

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

learningRateScheduler?: string

Tulajdonság értéke

string

ÖrököltImageModelSettings.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.