ImageObjectDetectionSearchSpace クラス
AutoML 画像オブジェクト検出タスクと画像インスタンスセグメント化タスクの検索領域。
- 継承
-
azure.ai.ml.entities._mixins.RestTranslatableMixinImageObjectDetectionSearchSpace
コンストラクター
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)
パラメーター
- ams_gradient
- bool または <xref:azure.ai.ml.entities.SweepDistribution>
オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。
- beta1
- float または <xref:azure.ai.ml.entities.SweepDistribution>
オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float にする必要があります。
- beta2
- float または <xref:azure.ai.ml.entities.SweepDistribution>
オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float にする必要があります。
- early_stopping_delay
- int または <xref:azure.ai.ml.entities.SweepDistribution>
プライマリ メトリックの改善が早期停止のために追跡されるまで待機するエポックまたは検証評価の最小数。 正の整数にする必要があります。
- early_stopping_patience
- int または <xref:azure.ai.ml.entities.SweepDistribution>
実行が停止する前に主要なメトリックの改善がないエポックまたは検証評価の最小数。 正の整数にする必要があります。
- enable_onnx_normalization
- bool または <xref:azure.ai.ml.entities.SweepDistribution>
ONNX モデルをエクスポートするときに正規化を有効にします。
- evaluation_frequency
- int または <xref:azure.ai.ml.entities.SweepDistribution>
メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。
- gradient_accumulation_step
- int または <xref:azure.ai.ml.entities.SweepDistribution>
グラデーションの累積とは、モデルの重みを更新せずに構成された数の "GradAccumulationStep" ステップを実行し、それらのステップのグラデーションを累積した後、累積されたグラデーションを使用して重みの更新を計算することを意味します。 正の整数にする必要があります。
- layers_to_freeze
- int または <xref:azure.ai.ml.entities.SweepDistribution>
モデルに固定するレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すと、レイヤー 0 とレイヤー 1 がフリーズします。 サポートされているモデルの完全な一覧とレイヤー固定の詳細については、 を参照してください https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters。 # pylint: disable=line-too-long
- learning_rate
初期学習率。 範囲 [0, 1] の float にする必要があります。 :type learning_rate: float または ~azure.ai.ml.entities.SweepDistribution
- learning_rate_scheduler
- str または <xref:azure.ai.ml.entities.SweepDistribution>
学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。
- model_name
- str または <xref:azure.ai.ml.entities.SweepDistribution>
トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
- momentum
- float または <xref:azure.ai.ml.entities.SweepDistribution>
オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float にする必要があります。
- nesterov
- bool または <xref:azure.ai.ml.entities.SweepDistribution>
オプティマイザーが 'sgd' の場合は nesterov を有効にします。
- number_of_epochs
- int または <xref:azure.ai.ml.entities.SweepDistribution>
トレーニング エポックの数。 正の整数にする必要があります。
- number_of_workers
- int または <xref:azure.ai.ml.entities.SweepDistribution>
データ ローダー ワーカーの数。 負以外の整数である必要があります。
- optimizer
- str または <xref:azure.ai.ml.entities.SweepDistribution>
オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。
- random_seed
- int または <xref:azure.ai.ml.entities.SweepDistribution>
決定論的トレーニングを使用するときに使用されるランダム シード。
- step_lr_gamma
- float または <xref:azure.ai.ml.entities.SweepDistribution>
学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float にする必要があります。
- step_lr_step_size
- int または <xref:azure.ai.ml.entities.SweepDistribution>
学習率スケジューラが "step" の場合のステップ サイズの値。 正の整数にする必要があります。
- training_batch_size
- int または <xref:azure.ai.ml.entities.SweepDistribution>
トレーニング バッチ サイズ。 正の整数にする必要があります。
- validation_batch_size
- int または <xref:azure.ai.ml.entities.SweepDistribution>
検証バッチ サイズ。 正の整数にする必要があります。
- warmup_cosine_lr_cycles
- float または <xref:azure.ai.ml.entities.SweepDistribution>
学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float にする必要があります。
- warmup_cosine_lr_warmup_epochs
- int または <xref:azure.ai.ml.entities.SweepDistribution>
学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。
- weight_decay
- int または <xref:azure.ai.ml.entities.SweepDistribution>
オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。
- box_detections_per_image
- int または <xref:azure.ai.ml.entities.SweepDistribution>
すべてのクラスで、画像あたりの最大検出数。 正の整数にする必要があります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。
- box_score_threshold
- float または <xref:azure.ai.ml.entities.SweepDistribution>
推論中は、分類スコアが BoxScoreThreshold より大きい提案のみを返します。 範囲 [0, 1] の float である必要があります。
- image_size
- int または <xref:azure.ai.ml.entities.SweepDistribution>
トレーニングおよび検証用の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、"yolov5" アルゴリズムでのみサポートされています。
- max_size
バックボーンにフィードする前に再スケーリングする画像の最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎる場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。 :type max_size: int または ~azure.ai.ml.entities.SweepDistribution
- min_size
- int または <xref:azure.ai.ml.entities.SweepDistribution>
バックボーンにフィードする前に再スケーリングする画像の最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎる場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。
- model_size
- str または <xref:azure.ai.ml.entities.SweepDistribution>
モデルのサイズ。 'small'、'medium'、'large'、または 'extra_large' である必要があります。 注: モデルのサイズが大きすぎる場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、"yolov5" アルゴリズムでのみサポートされています。
- multi_scale
- bool または <xref:azure.ai.ml.entities.SweepDistribution>
イメージ サイズを +/- 50% 変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、"yolov5" アルゴリズムでのみサポートされています。
- nms_iou_threshold
- float または <xref:azure.ai.ml.entities.SweepDistribution>
NMS の後処理で推論中に使用される IOU しきい値。 [0, 1] の範囲内で float である必要があります。
- tile_grid_size
- str または <xref:azure.ai.ml.entities.SweepDistribution>
各画像のタイルに使用するグリッド サイズ。 注: 小さな物体検出ロジックを有効にするには、TileGridSize を None にすることはできません。 mxn 形式の 2 つの整数を含む文字列。
- tile_overlap_ratio
- float または <xref:azure.ai.ml.entities.SweepDistribution>
各ディメンションの隣接するタイル間のオーバーラップ率。 [0, 1) の範囲内で float である必要があります。
- tile_predictions_nms_threshold
- float または <xref:azure.ai.ml.entities.SweepDistribution>
タイルおよび画像から予測をマージしながら NMS を実行するために使用する IOU しきい値。 検証や推論で使用されます。 [0, 1] の範囲内で float である必要があります。 NMS: 非最大抑制。
- validation_iou_threshold
- float または <xref:azure.ai.ml.entities.SweepDistribution>
検証メトリックを計算するときに使用する IOU しきい値。 [0, 1] の範囲内で float である必要があります。
- validation_metric_type
- str または <xref:azure.ai.ml.entities.SweepDistribution>
検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。
Azure SDK for Python