ImageGrayscalingEstimator Třída

Definice

Obor názvů:

Microsoft.ML.Transforms.Image

Sestavení:

Microsoft.ML.ImageAnalytics.dll

Balíček:

Microsoft.ML.ImageAnalytics v3.0.1

IEstimator<TTransformer>ImageGrayscalingTransformerpro .

public sealed class ImageGrayscalingEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.Image.ImageGrayscalingTransformer>

type ImageGrayscalingEstimator = class
    inherit TrivialEstimator<ImageGrayscalingTransformer>

Public NotInheritable Class ImageGrayscalingEstimator
Inherits TrivialEstimator(Of ImageGrayscalingTransformer)

Dědičnost

Object

TrivialEstimator<ImageGrayscalingTransformer>

ImageGrayscalingEstimator

Poznámky

Charakteristiky odhadu

Potřebuje tento estimátor podívat se na data, aby se natrénovala jeho parametry?	No
Datový typ vstupního sloupce	MLImage
Datový typ výstupního sloupce	MLImage
Povinné nuGet kromě Microsoft.ML	Microsoft.ML.ImageAnalytics
Exportovatelný do ONNX	No

Výsledek ImageGrayscalingTransformer vytvoří nový sloupec s názvem zadaným v parametrech názvu výstupního sloupce a převede obrázek ze vstupního sloupce na obrázek ve stupních šedé. Obrázky se můžou převést na stupně šedé, aby se snížila složitost modelu. Obrázky se šedě obsahují méně informací, které chcete zpracovat, než barevné obrázky. Dalším případem použití pro převod na stupně šedé je generování nových imagí z existujících, takže můžete mít větší datovou sadu, techniku známou jako rozšíření dat. Kompletní kanály zpracování imagí a scénáře v aplikacích najdete v příkladech v úložišti githubu machinelearning-samples.

V části Viz také najdete odkazy na příklady použití.

Metody

Fit(IDataView)	IEstimator<TTransformer>ImageGrayscalingTransformerpro . (Zděděno od TrivialEstimator<TTransformer>)
GetOutputSchema(SchemaShape)	SchemaShape Vrátí schéma, které bude vytvořen transformátorem. Používá se k šíření a ověřování schématu v kanálu.

Metody rozšíření

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Připojte k řetězci odhadu kontrolní bod ukládání do mezipaměti. Tím zajistíte, aby se podřízené estimátory natrénovaly na data uložená v mezipaměti. Před průchodem více dat je užitečné mít kontrolní bod ukládání do mezipaměti.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Pokud získáte odhadátor, vraťte obtékání objektu, který jednou zavolá delegáta Fit(IDataView) . Často je důležité, aby estimátor vrátil informace o tom, co bylo vhodné, což je důvod, proč Fit(IDataView) metoda vrací konkrétně zadaný objekt, a ne jen obecné ITransformer. Ve stejnou dobu se však často vytvářejí do kanálů s mnoha objekty, takže možná budeme muset vytvořit řetězec odhadovačů prostřednictvím EstimatorChain<TLastTransformer> toho, kde je odhadovač, IEstimator<TTransformer> pro který chceme získat transformátor, uložen někde v tomto řetězu. Pro tento scénář můžeme prostřednictvím této metody připojit delegáta, který bude volána po volání fit.

Viz také

• ConvertToGrayscale(TransformsCatalog, String, String)