Delen via

ImageModelDistributionSettingsObjectDetection interface

Pakket:
@azure/arm-machinelearning

Distributie-expressies om waarden van modelinstellingen te overschrijven. <Voorbeeld> Enkele voorbeelden zijn:

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.
Uitbreiding
ImageModelDistributionSettings

Eigenschappen

boxDetectionsPerImage

Maximum aantal detecties per afbeelding, voor alle klassen. Moet een positief geheel getal zijn. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.
boxScoreThreshold

Tijdens deductie retourneert u alleen voorstellen met een classificatiescore die groter is dan BoxScoreThreshold. Moet een float zijn in het bereik[0, 1].
imageSize

Afbeeldingsgrootte voor trainen en valideren. Moet een positief geheel getal zijn. Opmerking: De trainingsuitvoering kan in CUDA OOM komen als de grootte te groot is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.
maxSize

De maximale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed. Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.
minSize

Minimale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed. Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.
modelSize

Modelgrootte. Moet 'klein', 'gemiddeld', 'groot' of 'xlarge' zijn. Opmerking: de trainingsuitvoering kan in CUDA OOM komen als de modelgrootte te groot is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.
multiScale

Schakel meerdere schaalafbeeldingen in op verschillende afbeeldingsgrootten met +/- 50%. Opmerking: de trainingsuitvoering kan in CUDA OOM komen als er onvoldoende GPU-geheugen is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.
nmsIouThreshold

De drempelwaarde voor ALGORITMEN die wordt gebruikt tijdens deductie in NMS na verwerking. Moet in het bereik liggen [0, 1].
tileGridSize

De rastergrootte die moet worden gebruikt voor het tegelen van elke afbeelding. Opmerking: TileGridSize mag geen zijn om kleine objectdetectielogica in te schakelen. Een tekenreeks met twee gehele getallen in mxn-indeling. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.
tileOverlapRatio

Overlapverhouding tussen aangrenzende tegels in elke dimensie. Moet zwevend zijn in het bereik [0, 1). Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.
tilePredictionsNmsThreshold

De drempelwaarde voor OPGEGEVEN voor het uitvoeren van NMS tijdens het samenvoegen van voorspellingen van tegels en afbeeldingen. Wordt gebruikt in validatie/deductie. Moet in het bereik liggen [0, 1]. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5. NMS: Niet-maximale onderdrukking
validationIouThreshold

Drempelwaarde voor OPGEGEVEN voor gebruik bij het berekenen van de metrische waarde voor validatie. Moet in het bereik liggen [0, 1].
validationMetricType

De metrische berekeningsmethode die moet worden gebruikt voor metrische validatiegegevens. Moet 'none', 'coco', 'voc' of 'coco_voc' zijn.

Overgenomen eigenschappen

amsGradient

Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is.
augmentations

Instellingen voor het gebruik van augmentations.
beta1

De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.
beta2

De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.
distributed

Of u distributietraining wilt gebruiken.
earlyStopping

Schakel vroege stoplogica in tijdens de training.
earlyStoppingDelay

Het minimum aantal epochs of validatie-evaluaties dat moet worden gewacht voordat primaire metrische gegevens worden verbeterd voor vroegtijdige stop. Moet een positief geheel getal zijn.
earlyStoppingPatience

Minimaal aantal tijdvakken of validatie-evaluaties zonder primaire metrische verbetering voordat de uitvoering wordt gestopt. Moet een positief geheel getal zijn.
enableOnnxNormalization

Normalisatie inschakelen bij het exporteren van een ONNX-model.
evaluationFrequency

Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn.
gradientAccumulationStep

Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal 'GradAccumulationStep'-stappen zonder de modelgewichten bij te werken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens de verzamelde kleurovergangen te gebruiken om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.
layersToFreeze

Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn. Het doorgeven van 2 als waarde voor 'seresnext' betekent bijvoorbeeld vrieslaag0 en laag1. Zie voor een volledige lijst met modellen die worden ondersteund en details over laagblokkering: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate

Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn.
learningRateScheduler

Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn.
modelName

De naam van het model dat moet worden gebruikt voor training. Voor meer informatie over de beschikbare modellen raadpleegt u de officiële documentatie: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum

Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn.
nesterov

Schakel nesterov in wanneer optimizer 'sgd' is.
numberOfEpochs

Aantal trainingstijdvakken. Moet een positief geheel getal zijn.
numberOfWorkers

Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn.
optimizer

Type optimizer. Moet 'sgd', 'adam' of 'adamw' zijn.
randomSeed

Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training.
stepLRGamma

Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn.
stepLRStepSize

Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn.
trainingBatchSize

Grootte van trainingsbatch. Moet een positief geheel getal zijn.
validationBatchSize

Grootte van validatiebatch. Moet een positief geheel getal zijn.
warmupCosineLRCycles

Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn.
warmupCosineLRWarmupEpochs

Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn.
weightDecay

Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1].

Eigenschapdetails

boxDetectionsPerImage

Maximum aantal detecties per afbeelding, voor alle klassen. Moet een positief geheel getal zijn. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

boxDetectionsPerImage?: string

Waarde van eigenschap

string

boxScoreThreshold

Tijdens deductie retourneert u alleen voorstellen met een classificatiescore die groter is dan BoxScoreThreshold. Moet een float zijn in het bereik[0, 1].

boxScoreThreshold?: string

Waarde van eigenschap

string

imageSize

Afbeeldingsgrootte voor trainen en valideren. Moet een positief geheel getal zijn. Opmerking: De trainingsuitvoering kan in CUDA OOM komen als de grootte te groot is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.

imageSize?: string

Waarde van eigenschap

string

maxSize

De maximale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed. Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

maxSize?: string

Waarde van eigenschap

string

minSize

Minimale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed. Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

minSize?: string

Waarde van eigenschap

string

modelSize

Modelgrootte. Moet 'klein', 'gemiddeld', 'groot' of 'xlarge' zijn. Opmerking: de trainingsuitvoering kan in CUDA OOM komen als de modelgrootte te groot is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.

modelSize?: string

Waarde van eigenschap

string

multiScale

Schakel meerdere schaalafbeeldingen in op verschillende afbeeldingsgrootten met +/- 50%. Opmerking: de trainingsuitvoering kan in CUDA OOM komen als er onvoldoende GPU-geheugen is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.

multiScale?: string

Waarde van eigenschap

string

nmsIouThreshold

De drempelwaarde voor ALGORITMEN die wordt gebruikt tijdens deductie in NMS na verwerking. Moet in het bereik liggen [0, 1].

nmsIouThreshold?: string

Waarde van eigenschap

string

tileGridSize

De rastergrootte die moet worden gebruikt voor het tegelen van elke afbeelding. Opmerking: TileGridSize mag geen zijn om kleine objectdetectielogica in te schakelen. Een tekenreeks met twee gehele getallen in mxn-indeling. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

tileGridSize?: string

Waarde van eigenschap

string

tileOverlapRatio

Overlapverhouding tussen aangrenzende tegels in elke dimensie. Moet zwevend zijn in het bereik [0, 1). Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

tileOverlapRatio?: string

Waarde van eigenschap

string

tilePredictionsNmsThreshold

De drempelwaarde voor OPGEGEVEN voor het uitvoeren van NMS tijdens het samenvoegen van voorspellingen van tegels en afbeeldingen. Wordt gebruikt in validatie/deductie. Moet in het bereik liggen [0, 1]. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5. NMS: Niet-maximale onderdrukking

tilePredictionsNmsThreshold?: string

Waarde van eigenschap

string

validationIouThreshold

Drempelwaarde voor OPGEGEVEN voor gebruik bij het berekenen van de metrische waarde voor validatie. Moet in het bereik liggen [0, 1].

validationIouThreshold?: string

Waarde van eigenschap

string

validationMetricType

De metrische berekeningsmethode die moet worden gebruikt voor metrische validatiegegevens. Moet 'none', 'coco', 'voc' of 'coco_voc' zijn.

validationMetricType?: string

Waarde van eigenschap

string

Details van overgenomen eigenschap

amsGradient

Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is.

amsGradient?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.amsGradient

augmentations

Instellingen voor het gebruik van augmentations.

augmentations?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.augmentations

beta1

De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.

beta1?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.beta1

beta2

De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.

beta2?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.beta2

distributed

Of u distributietraining wilt gebruiken.

distributed?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.distributed

earlyStopping

Schakel vroege stoplogica in tijdens de training.

earlyStopping?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.earlyStopping

earlyStoppingDelay

Het minimum aantal epochs of validatie-evaluaties dat moet worden gewacht voordat primaire metrische gegevens worden verbeterd voor vroegtijdige stop. Moet een positief geheel getal zijn.

earlyStoppingDelay?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.earlyStoppingDelay

earlyStoppingPatience

Minimaal aantal tijdvakken of validatie-evaluaties zonder primaire metrische verbetering voordat de uitvoering wordt gestopt. Moet een positief geheel getal zijn.

earlyStoppingPatience?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.earlyStoppingPatience

enableOnnxNormalization

Normalisatie inschakelen bij het exporteren van een ONNX-model.

enableOnnxNormalization?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.enableOnnxNormalization

evaluationFrequency

Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn.

evaluationFrequency?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.evaluationFrequency

gradientAccumulationStep

Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal 'GradAccumulationStep'-stappen zonder de modelgewichten bij te werken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens de verzamelde kleurovergangen te gebruiken om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.

gradientAccumulationStep?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.gradientAccumulationStep

layersToFreeze

Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn. Het doorgeven van 2 als waarde voor 'seresnext' betekent bijvoorbeeld vrieslaag0 en laag1. Zie voor een volledige lijst met modellen die worden ondersteund en details over laagblokkering: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.layersToFreeze

learningRate

Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn.

learningRate?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.learningRate

learningRateScheduler

Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn.

learningRateScheduler?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.learningRateScheduler

modelName

De naam van het model dat moet worden gebruikt voor training. Voor meer informatie over de beschikbare modellen raadpleegt u de officiële documentatie: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.modelName

momentum

Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn.

momentum?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.momentum

nesterov

Schakel nesterov in wanneer optimizer 'sgd' is.

nesterov?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.nesterov

numberOfEpochs

Aantal trainingstijdvakken. Moet een positief geheel getal zijn.

numberOfEpochs?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.numberOfEpochs

numberOfWorkers

Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn.

numberOfWorkers?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.numberOfWorkers

optimizer

Type optimizer. Moet 'sgd', 'adam' of 'adamw' zijn.

optimizer?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.optimizer

randomSeed

Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training.

randomSeed?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.randomSeed

stepLRGamma

Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn.

stepLRGamma?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.stepLRGamma

stepLRStepSize

Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn.

stepLRStepSize?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.stepLRStepSize

trainingBatchSize

Grootte van trainingsbatch. Moet een positief geheel getal zijn.

trainingBatchSize?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.trainingBatchSize

validationBatchSize

Grootte van validatiebatch. Moet een positief geheel getal zijn.

validationBatchSize?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.validationBatchSize

warmupCosineLRCycles

Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn.

warmupCosineLRCycles?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn.

warmupCosineLRWarmupEpochs?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.warmupCosineLRWarmupEpochs

weightDecay

Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1].

weightDecay?: string

Waarde van eigenschap

string

overgenomen vanImageModelDistributionSettings.weightDecay-