ImagePixelExtractingEstimator Klasse

Definition

Namespace:

Microsoft.ML.Transforms.Image

Assembly:

Microsoft.ML.ImageAnalytics.dll

Paket:

Microsoft.ML.ImageAnalytics v3.0.1

IEstimator<TTransformer> für die ImagePixelExtractingTransformer.

public sealed class ImagePixelExtractingEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.Image.ImagePixelExtractingTransformer>

type ImagePixelExtractingEstimator = class
    inherit TrivialEstimator<ImagePixelExtractingTransformer>

Public NotInheritable Class ImagePixelExtractingEstimator
Inherits TrivialEstimator(Of ImagePixelExtractingTransformer)

Vererbung

Object

TrivialEstimator<ImagePixelExtractingTransformer>

ImagePixelExtractingEstimator

Hinweise

Stimatoreigenschaften

Muss dieser Schätzer die Daten untersuchen, um seine Parameter zu trainieren?	No
Eingabespaltendatentyp	MLImage
Ausgabespaltendatentyp	Vektor mit bekannter Größe oder SingleByte
Erforderliches NuGet zusätzlich zu Microsoft.ML	Microsoft.ML.ImageAnalytics
Exportierbar in ONNX	No

Das Resultierende ImagePixelExtractingTransformer erstellt eine neue Spalte, die in den Parametern für den Ausgabespaltennamen angegeben ist, und konvertiert das Bild in den Vektor bekannter Größe von Floats oder Bytes. Größe und Datentyp hängen von angegebenen Parametern ab. Informationen zu End-to-End-Bildverarbeitungspipelinen und Szenarien in Ihren Anwendungen finden Sie in den Beispielen im Github-Repository für machinelearning-Samples.

Überprüfen Sie den Abschnitt "Siehe auch", um Links zu Verwendungsbeispielen zu finden.

Methoden

Fit(IDataView)	IEstimator<TTransformer> für die ImagePixelExtractingTransformer. (Geerbt von TrivialEstimator<TTransformer>)
GetOutputSchema(SchemaShape)	Gibt das SchemaShape Schema zurück, das vom Transformator erzeugt wird. Wird für die Schemaverteilung und Überprüfung in einer Pipeline verwendet.

Erweiterungsmethoden

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

Fügen Sie einen "Zwischenspeicherungsprüfpunkt" an die Schätzkette an. Dadurch wird sichergestellt, dass die nachgelagerten Schätzer anhand zwischengespeicherter Daten trainiert werden. Es ist hilfreich, einen Cache-Prüfpunkt vor Trainern zu haben, die mehrere Datendurchläufe übernehmen.

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

Wenn sie eine Schätzung erhalten, geben Sie ein Umbruchobjekt zurück, das einen Delegaten aufruft, sobald Fit(IDataView) er aufgerufen wird. Es ist häufig wichtig, dass ein Schätzer Informationen darüber zurückgibt, was passt, weshalb die Fit(IDataView) Methode ein speziell typiertes Objekt zurückgibt, anstatt nur ein allgemeines ITransformerObjekt zurückzugeben. IEstimator<TTransformer> Gleichzeitig werden jedoch häufig Pipelines mit vielen Objekten gebildet, daher müssen wir möglicherweise eine Kette von Schätzern erstellen, über EstimatorChain<TLastTransformer> die der Schätzer, für den wir den Transformator erhalten möchten, irgendwo in dieser Kette begraben wird. Für dieses Szenario können wir über diese Methode eine Stellvertretung anfügen, die aufgerufen wird, sobald sie aufgerufen wird.

Weitere Informationen

• ExtractPixels(TransformsCatalog, String, String, ImagePixelExtractingEstimator+ColorBits, ImagePixelExtractingEstimator+ColorsOrder, Boolean, Single, Single, Boolean)