Platform For AI:オブジェクト検出 (easycv)

前提条件

OSSが有効化され、Machine Learning StudioはOSSへのアクセスが許可されています。 詳細については、「OSSの有効化」および「Machine Learning Designerの使用に必要な権限の付与」をご参照ください。

制限事項

• オブジェクト検出 (easycv) コンポーネントは、PAIのMachine Learning Designerでのみ使用できます。

• Deep Learning Containers (DLC) のみに基づくオブジェクト検出 (easycv) コンポーネントを使用できます。

PAIコンソールでコンポーネントを設定する

• 入力ポート

  入力ポート (左から右へ)	データ型	推奨上流コンポーネント	必須
  トレーニングのためのTFRecords	OSS	ファイルデータの読み取り	いいえ。 この入力にポートを使用しない場合は、[フィールド設定] タブで [トレーニングtfrecordへのoss path] パラメーターを設定する必要があります。
  評価のためのTFRecords	OSS	ファイルデータの読み取り	いいえ。 この入力にポートを使用しない場合は、[フィールド設定] タブで [oss path to evaluation tfrecord] パラメーターを設定する必要があります。
  yolov5クラス一覧ファイル	OSS	ファイルデータの読み取り	いいえ。 この入力にポートを使用しない場合は、[フィールド設定] タブで [クラスリストファイルのoss path] パラメーターを設定する必要があります。

• コンポーネントパラメータ

  タブ	パラメーター	必須	説明	デフォルト値
  フィールド設定	モデルタイプ	可	トレーニングするモデルのタイプ。 有効な値： FCOS YOLOX	YOLOX
  	oss dir to save model	不可	トレーニング済みモデルを保存するOSSパス。 例: examplebucket.oss-cn-shanghai-internal.aliyuncs.com/test/ckpt/ 。 このパラメーターを空のままにすると、ワークスペースのデフォルトパスが使用されます。	N/A
  	ossアノテーションパスfor training set	不可	データ形式をDetSourcePAIに設定した場合は、マニフェスト形式。 データ形式をCOCOに設定した場合は、json形式。 入力ポートを設定した場合は、このパラメーターを空のままにすることができます。 入力ポートとこのパラメーターの両方を設定した場合、トレーニングタスクは入力ポートによって提供された値を使用します。	N/A
  	ossアノテーションパスfor validation set	不可	データ形式をDetSourcePAIに設定した場合は、マニフェスト形式。 データ形式をCOCOに設定した場合は、json形式。 入力ポートを設定した場合は、このパラメーターを空のままにすることができます。 入力ポートとこのパラメーターの両方が設定されている場合、トレーニングタスクは入力ポートによって提供された値を使用します。	N/A
  	クラス一覧ファイルのossパス	不可	タグのリストを含むファイルを指定します。txt形式。 入力ポートを設定した場合は、このパラメーターを空のままにすることができます。 入力ポートとこのパラメーターの両方を設定した場合、トレーニングタスクは入力ポートによって提供された値を使用します。	N/A
  	事前トレーニング済みモデルへのoss path to pretrained model	不可	事前トレーニング済みモデルが保存されているObject Storage Service (OSS) パス。 事前トレーニング済みモデルがある場合は、このパラメーターを事前トレーニング済みモデルのOSSパスに設定します。 このパラメーターを空のままにすると、PAIが提供するデフォルトの事前トレーニング済みモデルが使用されます。	N/A
  	oss path to training tfrecord	可	トレーニングデータのパス。 このパラメーターは、データソースをCOCOに設定した場合にのみ必要です。	N/A
  	oss path to evaluation tfrecord	可	評価データのパス。 このパラメーターは、データソースをCOCOに設定した場合にのみ必要です。
  	データ形式	可	イベントのスコープ。 有効な値： COCO DetSourcePAI	DetSourcePAI
  パラメーター設定	YOLOXモデル構造	可	このパラメーターは、モデルタイプをYOLOXに設定した場合にのみ必要です。 ドロップダウンリストから、使用するモデルタイプを選択します。 yolox-s yolox-m yolox-l yolox-x	yolo-s
  	numクラス	可	データセット内のカテゴリの数。	20
  	イメージスケール	可	サイズ変更後の画像のサイズ。 高さと幅をスペースで区切ります。 例: 320 320。	320 320
  	オプティマイザ	可	このパラメーターは、model typeパラメーターをYOLOXに設定した場合にのみ必要です。 モデルトレーニングの最適化方法。 有効な値： momentum adam	momentum
  	初期学習率	可	初期学習率。	0.01
  	バッチサイズ	可	トレーニングバッチのサイズ。 このパラメータは、トレーニングプロセスおよび後続の反復トレーニングサイクル中に使用するサンプルの数を指定します。	8
  	evalバッチサイズ	可	評価バッチのサイズ。 このパラメータは、トレーニングプロセスおよび後続の反復トレーニングサイクル中に使用するサンプルの数を指定します。	8
  	numエポック	可	トレーニングエポックの総数。 説明 モデルタイプをYOLOXに設定した場合、エポックの総数は、ウォームアップエポックと安定した学習率を持つエポックの合計よりも大きくなければなりません。 安定した学習レートを有するエポックは、最後の拡張されないエポックパラメータによって指定される。	20
  	損失周波数	不可	損失値の印刷頻度。 デフォルト値は200です。これは、損失値が200バッチごとに印刷されることを示します。
  	検証周波数	不可	デフォルト値は2で、3つのエポックごとに検証が実行されることを示します。
  	ウォームアップエポック	不可	このパラメーターは、モデルタイプをYOLOXに設定した場合にのみ必要です。	5
  	last no augmented lr epochs	不可	このパラメーターは、モデルタイプをYOLOXに設定した場合にのみ必要です。	5
  	タイプのエクスポートモデル	可	モデルがエクスポートされる形式。 有効な値： raw jit	raw
  	チェックポイントエポックを保存	不可	チェックポイントが保存される頻度。 値1は、すべてのデータが反復のために1回保存されることを示します。	1
  チューニング	gpuマシンタイプ	可	このアルゴリズムのGPU仕様を指定する必要があります。	4
  	evtorchモデルfp16	不可	モデルトレーニング中のメモリ使用量を減らすためにFP16を有効にするかどうかを指定します。	false
  	単一のワーカーまたはMaxComputeまたはDLCに分散	可	distribute_on_dlcのみが利用可能です。	distribute_on_dlc

• 出力ポート

  出力ポート (左から右)	データ型	下流コンポーネント
  出力モデル	出力モデルが保存されるOSSパス。 この値は、[フィールド設定] タブで [oss dir to save model] パラメーターに指定した値と同じです。 SavedModel形式の出力モデルは、このOSSパスに格納されます。	イメージ予測

例