set_dl_model_paramT_set_dl_model_paramSetDlModelParamSetDlModelParam (Operator)
Name
set_dl_model_paramT_set_dl_model_paramSetDlModelParamSetDlModelParam — Setzen der Parameter des Deep Learning-basierten Models.
Signatur
Beschreibung
set_dl_model_paramset_dl_model_paramSetDlModelParamSetDlModelParamSetDlModelParam setzt die Parameter und Hyperparameter
GenParamNameGenParamNameGenParamNameGenParamNamegenParamName des Deep Learning-Modells DLModelHandleDLModelHandleDLModelHandleDLModelHandleDLModelHandle
auf die Werte in GenParamValueGenParamValueGenParamValueGenParamValuegenParamValue.
Die Werte, die GenParamNameGenParamNameGenParamNameGenParamNamegenParamName annehmen kann, hängen vom Modelltyp ab:
Es gibt Parameter, die für jedes Deep Learning-Modell gesetzt werden können,
während andere nur für spezielle Modelle gesetzt werden können.
Eine Beschreibung der spezifischen Parameter ist in
get_dl_model_paramget_dl_model_paramGetDlModelParamGetDlModelParamGetDlModelParam zu finden, mit Ausnahme von
'runtime_init'"runtime_init""runtime_init""runtime_init""runtime_init", da dieser Wert nur gesetzt, aber nicht abgefragt
werden kann.
In get_dl_model_paramget_dl_model_paramGetDlModelParamGetDlModelParamGetDlModelParam wird zudem ein Überblick darüber gegeben, für
welche Modelltypen Parameter gesetzt werden können und welche Operatoren
dafür genutzt werden können.
Im Folgenden werden die Parameter aufgelistet, die mit
set_dl_model_paramset_dl_model_paramSetDlModelParamSetDlModelParamSetDlModelParam gesetzt werden können (sortiert nach
Modelltypen).
- Jedes Modell
-
-
'batch_size'"batch_size""batch_size""batch_size""batch_size"
-
'batch_size_multiplier'"batch_size_multiplier""batch_size_multiplier""batch_size_multiplier""batch_size_multiplier"
-
'class_ids'"class_ids""class_ids""class_ids""class_ids"
-
'gpu'"gpu""gpu""gpu""gpu"
-
'learning_rate'"learning_rate""learning_rate""learning_rate""learning_rate"
-
'momentum'"momentum""momentum""momentum""momentum"
-
'runtime'"runtime""runtime""runtime""runtime"
-
'runtime_init'"runtime_init""runtime_init""runtime_init""runtime_init":
Wird 'runtime_init'"runtime_init""runtime_init""runtime_init""runtime_init" auf 'immediately'"immediately""immediately""immediately""immediately" gesetzt wird
der GPU-Speicher initialisiert und das entsprechende Handle erzeugt.
Andernfalls passiert das sobald es notwendig ist, was zu signifikant
längeren Laufzeiten beim ersten Aufruf von apply_dl_modelapply_dl_modelApplyDlModelApplyDlModelApplyDlModel oder
train_dl_model_batchtrain_dl_model_batchTrainDlModelBatchTrainDlModelBatchTrainDlModelBatch führen kann.
Wird die Netzwerkarchitektur nachträglich geändert, wird der
GPU-Speicher reinitialisiert.
Das kann zum Beispiel auftreten wenn 'batch_size'"batch_size""batch_size""batch_size""batch_size" oder
'image_dimensions'"image_dimensions""image_dimensions""image_dimensions""image_dimensions" durch nachträgliches Aufrufen von
set_dl_model_paramset_dl_model_paramSetDlModelParamSetDlModelParamSetDlModelParam geändert werden.
Zu beachten ist, dass dieser Parameter keine Auswirkungen hat wenn
eine CPU genutzt wird, also falls 'runtime'"runtime""runtime""runtime""runtime" auf
'cpu'"cpu""cpu""cpu""cpu" gesetzt ist.
-
'weight_prior'"weight_prior""weight_prior""weight_prior""weight_prior"
- Modelle mit 'type'"type""type""type""type"='detection'"detection""detection""detection""detection"
-
-
'max_overlap'"max_overlap""max_overlap""max_overlap""max_overlap"
-
'max_overlap_class_agnostic'"max_overlap_class_agnostic""max_overlap_class_agnostic""max_overlap_class_agnostic""max_overlap_class_agnostic"
-
'max_num_detections'"max_num_detections""max_num_detections""max_num_detections""max_num_detections"
-
'min_confidence'"min_confidence""min_confidence""min_confidence""min_confidence"
- Modelle mit 'type'"type""type""type""type"='segmentation'"segmentation""segmentation""segmentation""segmentation"
-
-
'ignore_class_ids'"ignore_class_ids""ignore_class_ids""ignore_class_ids""ignore_class_ids"
-
'image_dimensions'"image_dimensions""image_dimensions""image_dimensions""image_dimensions"
-
'image_height'"image_height""image_height""image_height""image_height", 'image_width'"image_width""image_width""image_width""image_width"
-
'image_num_channels'"image_num_channels""image_num_channels""image_num_channels""image_num_channels"
-
'image_range_max'"image_range_max""image_range_max""image_range_max""image_range_max", 'image_range_min'"image_range_min""image_range_min""image_range_min""image_range_min"
Achtung
cuDNN und cuBLAS sind notwendig, um 'gpu'"gpu""gpu""gpu""gpu" Parameter zu setzen, d.h.
um den Parameter GenParamNameGenParamNameGenParamNameGenParamNamegenParamName 'runtime'"runtime""runtime""runtime""runtime"
auf 'gpu'"gpu""gpu""gpu""gpu" zu setzen.
Für weitere Details siehe „Installation Guide“,
Abschnitt „Requirements for Deep Learning“.
Ausführungsinformationen
- Multithreading-Typ: reentrant (läuft parallel zu nicht-exklusiven Operatoren).
- Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
- Wird ohne Parallelisierung verarbeitet.
Parameter
DLModelHandleDLModelHandleDLModelHandleDLModelHandleDLModelHandle (input_control) dl_model → HDlModel, HTupleHTupleHtuple (handle) (IntPtr) (HHandle) (handle)
Handle des Deep Learning-basierten Modells.
GenParamNameGenParamNameGenParamNameGenParamNamegenParamName (input_control) attribute.name → HTupleHTupleHtuple (string) (string) (HString) (char*)
Name des generischen Parameters.
Defaultwert:
'learning_rate'
"learning_rate"
"learning_rate"
"learning_rate"
"learning_rate"
Werteliste: 'batch_size'"batch_size""batch_size""batch_size""batch_size", 'batch_size_multiplier'"batch_size_multiplier""batch_size_multiplier""batch_size_multiplier""batch_size_multiplier", 'class_ids'"class_ids""class_ids""class_ids""class_ids", 'gpu'"gpu""gpu""gpu""gpu", 'ignore_class_ids'"ignore_class_ids""ignore_class_ids""ignore_class_ids""ignore_class_ids", 'image_dimensions'"image_dimensions""image_dimensions""image_dimensions""image_dimensions", 'image_height'"image_height""image_height""image_height""image_height", 'image_num_channels'"image_num_channels""image_num_channels""image_num_channels""image_num_channels", 'image_range_max'"image_range_max""image_range_max""image_range_max""image_range_max", 'image_range_min'"image_range_min""image_range_min""image_range_min""image_range_min", 'image_width'"image_width""image_width""image_width""image_width", 'learning_rate'"learning_rate""learning_rate""learning_rate""learning_rate", 'max_num_detections'"max_num_detections""max_num_detections""max_num_detections""max_num_detections", 'max_overlap'"max_overlap""max_overlap""max_overlap""max_overlap", 'max_overlap_class_agnostic'"max_overlap_class_agnostic""max_overlap_class_agnostic""max_overlap_class_agnostic""max_overlap_class_agnostic", 'min_confidence'"min_confidence""min_confidence""min_confidence""min_confidence", 'momentum'"momentum""momentum""momentum""momentum", 'runtime'"runtime""runtime""runtime""runtime", 'runtime_init'"runtime_init""runtime_init""runtime_init""runtime_init", 'weight_prior'"weight_prior""weight_prior""weight_prior""weight_prior"
GenParamValueGenParamValueGenParamValueGenParamValuegenParamValue (input_control) attribute.value(-array) → HTupleHTupleHtuple (real / string / integer) (double / string / int / long) (double / HString / Hlong) (double / char* / Hlong)
Wert des generischen Parameters.
Defaultwert: 0.001
Wertevorschläge: 1, 2, 3, 50, [80,60], 80, 60, 0.001, -127, 128, 'cpu'"cpu""cpu""cpu""cpu", 'gpu'"gpu""gpu""gpu""gpu", 'immediately'"immediately""immediately""immediately""immediately"
Ergebnis
Sind die Parameterwerte korrekt, dann liefert
set_dl_model_paramset_dl_model_paramSetDlModelParamSetDlModelParamSetDlModelParam den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird eine
Fehlerbehandlung durchgeführt.
Vorgänger
read_dl_modelread_dl_modelReadDlModelReadDlModelReadDlModel,
get_dl_model_paramget_dl_model_paramGetDlModelParamGetDlModelParamGetDlModelParam
Nachfolger
get_dl_model_paramget_dl_model_paramGetDlModelParamGetDlModelParamGetDlModelParam,
apply_dl_modelapply_dl_modelApplyDlModelApplyDlModelApplyDlModel,
train_dl_model_batchtrain_dl_model_batchTrainDlModelBatchTrainDlModelBatchTrainDlModelBatch
Siehe auch
get_dl_model_paramget_dl_model_paramGetDlModelParamGetDlModelParamGetDlModelParam
Modul
Deep Learning Training