你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

ImageModelDistributionSettingsObjectDetection interface

参考

包:: @azure/arm-machinelearning

用于扫描模型设置值的分布表达式。一些示例包括：

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.

扩展: ImageModelDistributionSettings

属性

boxDetectionsPerImage	每个图像的最大检测数，适用于所有类。必须是正整数。注意：“yolov5”算法不支持此设置。
boxScoreThreshold	在推理期间，仅返回分类分数大于 BoxScoreThreshold 的建议。必须是范围[0， 1] 中的浮点。
imageSize	用于训练和验证的图像大小。必须是正整数。注意：如果大小太大，训练运行可能会进入 CUDA OOM。注意：仅“yolov5”算法支持此设置。
maxSize	将图像馈送至主干之前要重新缩放的最大大小。必须是正整数。注意：如果大小太大，训练运行可能会进入 CUDA OOM。注意：“yolov5”算法不支持此设置。
minSize	将图像馈送到主干之前要重新缩放的最小大小。必须是正整数。注意：如果大小太大，训练运行可能会进入 CUDA OOM。注意：“yolov5”算法不支持此设置。
modelSize	模型大小。必须是“small”、“medium”、“large”或“xlarge”。注意：如果模型大小太大，训练运行可能会进入 CUDA OOM。注意：仅“yolov5”算法支持此设置。
multiScale	按 +/- 50%的不同图像大小启用多缩放图像。注意：如果没有足够的 GPU 内存，训练运行可能会进入 CUDA OOM。注意：仅“yolov5”算法支持此设置。
nmsIouThreshold	在 NMS 后期处理的推理期间使用的 IOU 阈值。必须在 [0， 1] 范围内浮动。
tileGridSize	用于平铺每个图像的网格大小。注意：TileGridSize 不得为 None 才能启用小型对象检测逻辑。一个字符串，其中包含两个整数（采用格式）。注意：“yolov5”算法不支持此设置。
tileOverlapRatio	每个维度中相邻磁贴之间的重叠比率。必须在 [0， 1] 范围内浮动。注意：“yolov5”算法不支持此设置。
tilePredictionsNmsThreshold	用于执行 NMS 的 IOU 阈值，同时合并来自磁贴和图像的预测。用于验证/推理。必须在 [0， 1] 范围内浮动。注意：“yolov5”算法不支持此设置。 NMS：非最大抑制
validationIouThreshold	计算验证指标时要使用的 IOU 阈值。必须在 [0， 1] 范围内浮动。
validationMetricType	用于验证指标的指标计算方法。必须是“none”、“coco”、“voc”或“coco_voc”。

继承属性

amsGradient	优化器为“adam”或“adamw”时启用 AMSGrad。
augmentations	使用扩充的设置。
beta1	优化器为“adam”或“adamw”时“beta1”的值。必须是 [0， 1] 范围内的浮点。
beta2	优化器为“adam”或“adamw”时“beta2”的值。必须是 [0， 1] 范围内的浮点。
distributed	是否使用分布式程序训练。
earlyStopping	在训练期间启用提前停止逻辑。
earlyStoppingDelay	跟踪主要指标改进之前要等待的最小纪元或验证评估数，以便提前停止。必须是正整数。
earlyStoppingPatience	在停止运行之前，没有主要指标改进的最小纪元或验证评估数。必须是正整数。
enableOnnxNormalization	导出 ONNX 模型时启用规范化。
evaluationFrequency	评估验证数据集以获取指标分数的频率。必须是正整数。
gradientAccumulationStep	渐变累积意味着在不更新模型权重的情况下运行配置的“GradAccumulationStep”步骤，同时累积这些步骤的渐变，然后使用累积的渐变来计算权重更新。必须是正整数。
layersToFreeze	要冻结模型的层数。必须是正整数。例如，将 2 作为“seresnext”的值传递意味着冻结 layer0 和 layer1。有关支持模型的完整列表以及层冻结的详细信息，请参阅：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
learningRate	初始学习速率。必须是 [0， 1] 范围内的浮点。
learningRateScheduler	学习速率计划程序的类型。必须是“warmup_cosine”或“step”。
modelName	要用于训练的模型的名称。有关可用模型的详细信息，请访问官方文档：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
momentum	优化器为“zn”时的动量值。必须是 [0， 1] 范围内的浮点。
nesterov	优化器为“zn”时启用 nesterov。
numberOfEpochs	训练纪元数。必须是正整数。
numberOfWorkers	数据加载程序辅助角色数。必须是非负整数。
optimizer	优化器的类型。必须是“zn”、“adam”或“adamw”。
randomSeed	使用确定性训练时要使用的随机种子。
stepLRGamma	当学习速率计划程序为“step”时，gamma 的值。必须是 [0， 1] 范围内的浮点。
stepLRStepSize	学习速率计划程序为“step”时步骤大小的值。必须是正整数。
trainingBatchSize	训练批大小。必须是正整数。
validationBatchSize	验证批大小。必须是正整数。
warmupCosineLRCycles	学习速率计划程序为“warmup_cosine”时的余弦周期值。必须是 [0， 1] 范围内的浮点。
warmupCosineLRWarmupEpochs	当学习速率计划程序为“warmup_cosine”时，预热时期的值。必须是正整数。
weightDecay	优化器为“zn”、“adam”或“adamw”时的权重衰减值。必须是范围[0， 1] 中的浮点。

属性详细信息

boxDetectionsPerImage

每个图像的最大检测数，适用于所有类。必须是正整数。注意：“yolov5”算法不支持此设置。

boxDetectionsPerImage?: string

属性值

string

boxScoreThreshold

在推理期间，仅返回分类分数大于 BoxScoreThreshold 的建议。必须是范围[0， 1] 中的浮点。

boxScoreThreshold?: string

属性值

string

imageSize

用于训练和验证的图像大小。必须是正整数。注意：如果大小太大，训练运行可能会进入 CUDA OOM。注意：仅“yolov5”算法支持此设置。

imageSize?: string

属性值

string

maxSize

将图像馈送至主干之前要重新缩放的最大大小。必须是正整数。注意：如果大小太大，训练运行可能会进入 CUDA OOM。注意：“yolov5”算法不支持此设置。

maxSize?: string

属性值

string

minSize

将图像馈送到主干之前要重新缩放的最小大小。必须是正整数。注意：如果大小太大，训练运行可能会进入 CUDA OOM。注意：“yolov5”算法不支持此设置。

minSize?: string

属性值

string

modelSize

模型大小。必须是“small”、“medium”、“large”或“xlarge”。注意：如果模型大小太大，训练运行可能会进入 CUDA OOM。注意：仅“yolov5”算法支持此设置。

modelSize?: string

属性值

string

multiScale

按 +/- 50%的不同图像大小启用多缩放图像。注意：如果没有足够的 GPU 内存，训练运行可能会进入 CUDA OOM。注意：仅“yolov5”算法支持此设置。

multiScale?: string

属性值

string

nmsIouThreshold

在 NMS 后期处理的推理期间使用的 IOU 阈值。必须在 [0， 1] 范围内浮动。

nmsIouThreshold?: string

属性值

string

tileGridSize

用于平铺每个图像的网格大小。注意：TileGridSize 不得为 None 才能启用小型对象检测逻辑。一个字符串，其中包含两个整数（采用格式）。注意：“yolov5”算法不支持此设置。

tileGridSize?: string

属性值

string

tileOverlapRatio

每个维度中相邻磁贴之间的重叠比率。必须在 [0， 1] 范围内浮动。注意：“yolov5”算法不支持此设置。

tileOverlapRatio?: string

属性值

string

tilePredictionsNmsThreshold

用于执行 NMS 的 IOU 阈值，同时合并来自磁贴和图像的预测。用于验证/推理。必须在 [0， 1] 范围内浮动。注意：“yolov5”算法不支持此设置。 NMS：非最大抑制

tilePredictionsNmsThreshold?: string

属性值

string

validationIouThreshold

计算验证指标时要使用的 IOU 阈值。必须在 [0， 1] 范围内浮动。

validationIouThreshold?: string

属性值

string

validationMetricType

用于验证指标的指标计算方法。必须是“none”、“coco”、“voc”或“coco_voc”。

validationMetricType?: string

属性值

string

继承属性详细信息

amsGradient

优化器为“adam”或“adamw”时启用 AMSGrad。

amsGradient?: string

属性值

string

继承自ImageModelDistributionSettings.amsGradient

augmentations

使用扩充的设置。

augmentations?: string

属性值

string

继承自ImageModelDistributionSettings.augmentations

beta1

优化器为“adam”或“adamw”时“beta1”的值。必须是 [0， 1] 范围内的浮点。

beta1?: string

属性值

string

继承自 ImageModelDistributionSettings.beta1

beta2

优化器为“adam”或“adamw”时“beta2”的值。必须是 [0， 1] 范围内的浮点。

beta2?: string

属性值

string

继承自ImageModelDistributionSettings.beta2

distributed

是否使用分布式程序训练。

distributed?: string

属性值

string

继承自ImageModelDistributionSettings.distributed

earlyStopping

在训练期间启用提前停止逻辑。

earlyStopping?: string

属性值

string

继承自 ImageModelDistributionSettings.earlyStopping

earlyStoppingDelay

跟踪主要指标改进之前要等待的最小纪元或验证评估数，以便提前停止。必须是正整数。

earlyStoppingDelay?: string

属性值

string

继承自 ImageModelDistributionSettings.earlyStoppingDelay

earlyStoppingPatience

在停止运行之前，没有主要指标改进的最小纪元或验证评估数。必须是正整数。

earlyStoppingPatience?: string

属性值

string

继承自 ImageModelDistributionSettings.earlyStoppingPatience

enableOnnxNormalization

导出 ONNX 模型时启用规范化。

enableOnnxNormalization?: string

属性值

string

继承自ImageModelDistributionSettings.enableOnnxNormalization

evaluationFrequency

评估验证数据集以获取指标分数的频率。必须是正整数。

evaluationFrequency?: string

属性值

string

继承自ImageModelDistributionSettings.evaluationFrequency

gradientAccumulationStep

渐变累积意味着在不更新模型权重的情况下运行配置的“GradAccumulationStep”步骤，同时累积这些步骤的渐变，然后使用累积的渐变来计算权重更新。必须是正整数。

gradientAccumulationStep?: string

属性值

string

继承自ImageModelDistributionSettings.gradientAccumulationStep

layersToFreeze

要冻结模型的层数。必须是正整数。例如，将 2 作为“seresnext”的值传递意味着冻结 layer0 和 layer1。有关支持模型的完整列表以及层冻结的详细信息，请参阅：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。

layersToFreeze?: string

属性值

string

继承自ImageModelDistributionSettings.layersToFreeze

learningRate

初始学习速率。必须是 [0， 1] 范围内的浮点。

learningRate?: string

属性值

string

继承自 ImageModelDistributionSettings.learningRate

learningRateScheduler

学习速率计划程序的类型。必须是“warmup_cosine”或“step”。

learningRateScheduler?: string

属性值

string

继承自ImageModelDistributionSettings.learningRateScheduler

modelName

要用于训练的模型的名称。有关可用模型的详细信息，请访问官方文档：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。

modelName?: string

属性值

string

继承自ImageModelDistributionSettings.modelName

momentum

优化器为“zn”时的动量值。必须是 [0， 1] 范围内的浮点。

momentum?: string

属性值

string

继承自ImageModelDistributionSettings.momentum

nesterov

优化器为“zn”时启用 nesterov。

nesterov?: string

属性值

string

继承自ImageModelDistributionSettings.nesterov

numberOfEpochs

训练纪元数。必须是正整数。

numberOfEpochs?: string

属性值

string

继承自ImageModelDistributionSettings.numberOfEpochs

numberOfWorkers

数据加载程序辅助角色数。必须是非负整数。

numberOfWorkers?: string

属性值

string

继承自ImageModelDistributionSettings.numberOfWorkers

optimizer

优化器的类型。必须是“zn”、“adam”或“adamw”。

optimizer?: string

属性值

string

继承自ImageModelDistributionSettings.optimizer

randomSeed

使用确定性训练时要使用的随机种子。

randomSeed?: string

属性值

string

继承自ImageModelDistributionSettings.randomSeed

stepLRGamma

当学习速率计划程序为“step”时，gamma 的值。必须是 [0， 1] 范围内的浮点。

stepLRGamma?: string

属性值

string

继承自ImageModelDistributionSettings.stepLRGamma

stepLRStepSize

学习速率计划程序为“step”时步骤大小的值。必须是正整数。

stepLRStepSize?: string

属性值

string

继承自ImageModelDistributionSettings.stepLRStepSize

trainingBatchSize

训练批大小。必须是正整数。

trainingBatchSize?: string

属性值

string

继承自 ImageModelDistributionSettings.trainingBatchSize

validationBatchSize

验证批大小。必须是正整数。

validationBatchSize?: string

属性值

string

继承自ImageModelDistributionSettings.validationBatchSize

warmupCosineLRCycles

学习速率计划程序为“warmup_cosine”时的余弦周期值。必须是 [0， 1] 范围内的浮点。

warmupCosineLRCycles?: string

属性值

string

继承自 ImageModelDistributionSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

当学习速率计划程序为“warmup_cosine”时，预热时期的值。必须是正整数。

warmupCosineLRWarmupEpochs?: string

属性值

string

继承自ImageModelDistributionSettings.warmupCosineLRWarmupEpochs

weightDecay

优化器为“zn”、“adam”或“adamw”时的权重衰减值。必须是范围[0， 1] 中的浮点。

weightDecay?: string

属性值

string

继承自 ImageModelDistributionSettings.weightDecay

通过

ImageModelDistributionSettingsObjectDetection interface

属性

继承属性

属性详细信息

boxDetectionsPerImage

属性值

boxScoreThreshold

属性值

imageSize

属性值

maxSize

属性值

minSize

属性值

modelSize

属性值

multiScale

属性值

nmsIouThreshold

属性值

tileGridSize

属性值

tileOverlapRatio

属性值

tilePredictionsNmsThreshold

属性值

validationIouThreshold

属性值

validationMetricType

属性值

继承属性详细信息

amsGradient

属性值

augmentations

属性值

beta1

属性值

beta2

属性值

distributed

属性值

earlyStopping

属性值

earlyStoppingDelay

属性值

earlyStoppingPatience

属性值

enableOnnxNormalization

属性值

evaluationFrequency

属性值

gradientAccumulationStep

属性值

layersToFreeze

属性值

learningRate

属性值

learningRateScheduler

属性值

modelName

属性值

momentum

属性值

nesterov

属性值

numberOfEpochs

属性值

numberOfWorkers

属性值

optimizer

属性值

randomSeed

属性值

stepLRGamma

属性值

stepLRStepSize

属性值

trainingBatchSize

属性值