ImageObjectDetectionSearchSpace Classe
Espaço de pesquisa para tarefas de detecção de objeto de imagem autoML e segmentação de instância de imagem.
- Herança
-
azure.ai.ml.entities._mixins.RestTranslatableMixinImageObjectDetectionSearchSpace
Construtor
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)
Parâmetros
- ams_gradient
- bool ou <xref:azure.ai.ml.entities.SweepDistribution>
Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.
- beta1
- float ou <xref:azure.ai.ml.entities.SweepDistribution>
Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1].
- beta2
- float ou <xref:azure.ai.ml.entities.SweepDistribution>
Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1].
- distributed
- bool ou <xref:azure.ai.ml.entities.SweepDistribution>
Se deseja usar o treinamento do distribuídor.
- early_stopping
- bool ou <xref:azure.ai.ml.entities.SweepDistribution>
Habilitar a lógica de parada antecipada durante o treinamento.
- early_stopping_delay
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Número mínimo de épocas ou avaliações de validação a serem aguardadas antes que a melhoria da métrica primária seja controlada para a interrupção antecipada. Deve ser um número inteiro positivo.
- early_stopping_patience
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes que a execução seja interrompida. Deve ser um número inteiro positivo.
- enable_onnx_normalization
- bool ou <xref:azure.ai.ml.entities.SweepDistribution>
Habilite a normalização ao exportar o modelo ONNX.
- evaluation_frequency
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Frequência para avaliar o conjunto de dados de validação a fim de obter pontuações de métrica. Deve ser um número inteiro positivo.
- gradient_accumulation_step
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizar os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usar os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.
- layers_to_freeze
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Número de camadas a serem congeladas para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar camada0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long
- learning_rate
Taxa de aprendizagem inicial. Precisa ser um float no intervalo [0, 1]. :type learning_rate: float ou ~azure.ai.ml.entities.SweepDistribution
- learning_rate_scheduler
- str ou <xref:azure.ai.ml.entities.SweepDistribution>
Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'.
- model_name
- str ou <xref:azure.ai.ml.entities.SweepDistribution>
Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
- momentum
- float ou <xref:azure.ai.ml.entities.SweepDistribution>
Valor do momento quando o otimizador é 'sgd'. Precisa ser um float no intervalo [0, 1].
- nesterov
- bool ou <xref:azure.ai.ml.entities.SweepDistribution>
Habilite aninhado quando o otimizador for 'sgd'.
- number_of_epochs
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Número de épocas de treinamento. Deve ser um número inteiro positivo.
- number_of_workers
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.
- optimizer
- str ou <xref:azure.ai.ml.entities.SweepDistribution>
Tipo de otimizador. Deve ser 'sgd', 'adam', ou 'adamw'.
- random_seed
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Semente aleatória a ser usada ao usar o treinamento determinístico.
- step_lr_gamma
- float ou <xref:azure.ai.ml.entities.SweepDistribution>
Valor de gama quando o agendador de taxa de aprendizagem é 'step'. Precisa ser um float no intervalo [0, 1].
- step_lr_step_size
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um número inteiro positivo.
- training_batch_size
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Tamanho do lote de treinamento. Deve ser um número inteiro positivo.
- validation_batch_size
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Tamanho do lote de validação. Deve ser um número inteiro positivo.
- warmup_cosine_lr_cycles
- float ou <xref:azure.ai.ml.entities.SweepDistribution>
Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Precisa ser um float no intervalo [0, 1].
- warmup_cosine_lr_warmup_epochs
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um número inteiro positivo.
- weight_decay
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].
- box_detections_per_image
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Número máximo de detecções por imagem, para todas as classes. Deve ser um número inteiro positivo. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
- box_score_threshold
- float ou <xref:azure.ai.ml.entities.SweepDistribution>
Durante a inferência, retorna apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1].
- image_size
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Tamanho da imagem para treinamento e validação. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
- max_size
Tamanho máximo da imagem a ser redimensionada antes de alimentar o backbone. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar em CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'. :type max_size: int ou ~azure.ai.ml.entities.SweepDistribution
- min_size
- int ou <xref:azure.ai.ml.entities.SweepDistribution>
Tamanho mínimo da imagem a ser redimensionada antes de alimentar o backbone. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar em CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
- model_size
- str ou <xref:azure.ai.ml.entities.SweepDistribution>
Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'extra_large'. Observação: a execução de treinamento poderá entrar em CUDA OOM se o tamanho do modelo for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
- multi_scale
- bool ou <xref:azure.ai.ml.entities.SweepDistribution>
Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%. Observação: a execução de treinamento poderá entrar em CUDA OOM se não houver memória GPU suficiente. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
- nms_iou_threshold
- float ou <xref:azure.ai.ml.entities.SweepDistribution>
Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve estar flutuando no intervalo [0, 1].
- tile_grid_size
- str ou <xref:azure.ai.ml.entities.SweepDistribution>
O tamanho da grade a ser usado para a divisão em blocos de cada imagem. Observação: TileGridSize não deve ser Nenhum para habilitar a lógica de detecção de objetos pequenos. Uma cadeia de caracteres que contém dois inteiros no formato mxn.
- tile_overlap_ratio
- float ou <xref:azure.ai.ml.entities.SweepDistribution>
Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1).
- tile_predictions_nms_threshold
- float ou <xref:azure.ai.ml.entities.SweepDistribution>
O limite de IOU a ser usado para executar NMS durante a mescla de previsões de blocos e imagens. Usado em validação/inferência. Deve estar flutuando no intervalo [0, 1]. NMS: supressão não máxima.
- validation_iou_threshold
- float ou <xref:azure.ai.ml.entities.SweepDistribution>
Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1].
- validation_metric_type
- str ou <xref:azure.ai.ml.entities.SweepDistribution>
Método de computação de métrica a ser usado em métricas de validação. Deve ser 'none', 'coco', 'voc', ou 'coco_voc'.
Azure SDK for Python