ImageGrayscalingEstimator Třída
Definice
Důležité
Některé informace platí pro předběžně vydaný produkt, který se může zásadně změnit, než ho výrobce nebo autor vydá. Microsoft neposkytuje žádné záruky, výslovné ani předpokládané, týkající se zde uváděných informací.
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
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. |