ImageModelDistributionSettingsObjectDetection Classe
Definição
Importante
Algumas informações se referem a produtos de pré-lançamento que podem ser substancialmente modificados antes do lançamento. A Microsoft não oferece garantias, expressas ou implícitas, das informações aqui fornecidas.
Expressões de distribuição para varrer valores de configurações de modelo. <exemplo> Alguns exemplos são:
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.
public class ImageModelDistributionSettingsObjectDetection : Azure.ResourceManager.MachineLearning.Models.ImageModelDistributionSettingstype ImageModelDistributionSettingsObjectDetection = class
inherit ImageModelDistributionSettingsPublic Class ImageModelDistributionSettingsObjectDetection
Inherits ImageModelDistributionSettings- Herança
Construtores
| ImageModelDistributionSettingsObjectDetection() |
Inicializa uma nova instância de ImageModelDistributionSettingsObjectDetection. |
Propriedades
| AmsGradient |
Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. (Herdado de ImageModelDistributionSettings) |
| Augmentations |
Configurações para usar aumentos. (Herdado de ImageModelDistributionSettings) |
| Beta1 |
Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelDistributionSettings) |
| Beta2 |
Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelDistributionSettings) |
| BoxDetectionsPerImage |
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'. |
| BoxScoreThreshold |
Durante a inferência, retorne apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1]. |
| Distributed |
Se o treinamento do distribuídor deve ser usado. (Herdado de ImageModelDistributionSettings) |
| EarlyStopping |
Habilitar a lógica de parada antecipada durante o treinamento. (Herdado de ImageModelDistributionSettings) |
| EarlyStoppingDelay |
Número mínimo de épocas ou avaliações de validação a aguardar antes que a melhoria da métrica primária seja rastreada para interrupção antecipada. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings) |
| EarlyStoppingPatience |
Número mínimo de épocas ou avaliações de validação sem melhoria de métrica primária antes que a execução seja interrompida. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings) |
| EnableOnnxNormalization |
Habilite a normalização ao exportar o modelo ONNX. (Herdado de ImageModelDistributionSettings) |
| EvaluationFrequency |
Frequência para avaliar o conjunto de dados de validação a fim de obter pontuações de métrica. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings) |
| GradientAccumulationStep |
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. (Herdado de ImageModelDistributionSettings) |
| ImageSize |
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'. |
| LayersToFreeze |
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 dos modelos com suporte e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. (Herdado de ImageModelDistributionSettings) |
| LearningRate |
Taxa de aprendizagem inicial. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelDistributionSettings) |
| LearningRateScheduler |
Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. (Herdado de ImageModelDistributionSettings) |
| MaxSize |
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'. |
| MinSize |
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'. |
| ModelName |
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. (Herdado de ImageModelDistributionSettings) |
| ModelSize |
Tamanho do modelo. Deve ser 'small', 'medium', 'large' ou 'xlarge'. 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'. |
| Momentum |
Valor do momento quando o otimizador é 'sgd'. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelDistributionSettings) |
| MultiScale |
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'. |
| Nesterov |
Habilite aninhado quando o otimizador for 'sgd'. (Herdado de ImageModelDistributionSettings) |
| NmsIouThreshold |
Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve estar flutuando no intervalo [0, 1]. |
| NumberOfEpochs |
Número de épocas de treinamento. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings) |
| NumberOfWorkers |
Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. (Herdado de ImageModelDistributionSettings) |
| Optimizer |
Tipo de otimizador. Deve ser 'sgd', 'adam', ou 'adamw'. (Herdado de ImageModelDistributionSettings) |
| RandomSeed |
Semente aleatória a ser usada ao usar o treinamento determinístico. (Herdado de ImageModelDistributionSettings) |
| StepLRGamma |
Valor de gama quando o agendador de taxa de aprendizagem é 'step'. Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelDistributionSettings) |
| StepLRStepSize |
Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings) |
| TileGridSize |
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 pequeno. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'. |
| TileOverlapRatio |
Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1). Observação: não há suporte para essas configurações para o algoritmo 'yolov5'. |
| TilePredictionsNmsThreshold |
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]. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'. NMS: supressão não máxima |
| TrainingBatchSize |
Tamanho do lote de treinamento. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings) |
| ValidationBatchSize |
Tamanho do lote de validação. Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings) |
| ValidationIouThreshold |
Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1]. |
| ValidationMetricType |
Método de computação de métrica a ser usado em métricas de validação. Deve ser 'none', 'coco', 'voc' ou 'coco_voc'. |
| WarmupCosineLRCycles |
Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Precisa ser um float no intervalo [0, 1]. (Herdado de ImageModelDistributionSettings) |
| WarmupCosineLRWarmupEpochs |
Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um número inteiro positivo. (Herdado de ImageModelDistributionSettings) |
| WeightDecay |
Valor da decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. (Herdado de ImageModelDistributionSettings) |