LearningPipelineExtensions Clase

Definición

Espacio de nombres:

Microsoft.ML

Ensamblado:

Microsoft.ML.Data.dll

Paquete:

Microsoft.ML v2.0.0

Métodos de extensión que permiten encadenar canalizaciones de estimador y transformador.

public static class LearningPipelineExtensions

type LearningPipelineExtensions = class

Public Module LearningPipelineExtensions

Herencia

Object

LearningPipelineExtensions

Métodos

Append<TSource,TTrans>(IDataLoader<TSource>, IEstimator<TTrans>)	Cree un nuevo estimador de cargador compuesto anexando un estimador a este cargador de datos.
Append<TSource,TTrans>(IDataLoader<TSource>, TTrans)	Cree un cargador compuesto mediante la anexión de un transformador a este cargador de datos.
Append<TSource,TTrans>(IDataLoaderEstimator<TSource,IDataLoader<TSource>>, IEstimator<TTrans>)	Cree un nuevo estimador de cargador compuesto anexando otro estimador al final de este estimador de cargador de datos.
Append<TTrans>(IEstimator<ITransformer>, IEstimator<TTrans>, TransformerScope)	Cree una nueva cadena de estimadores anexando otro estimador al final de este estimador.
Append<TTrans>(ITransformer, TTrans)	Cree una nueva cadena de transformadores anexando otro transformador al final de esta cadena de transformadores.
AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	Anexe un "punto de control de almacenamiento en caché" a la cadena del estimador. Esto garantizará que los estimadores de bajada se entrenarán con datos almacenados en caché. Resulta útil tener un punto de control de almacenamiento en caché antes de que los instructores tomen varios pases de datos.
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	Dado un estimador, devuelva un objeto de ajuste que llamará a un delegado una vez Fit(IDataView) . A menudo, es importante que un estimador devuelva información sobre lo que cabe, por lo que el Fit(IDataView) método devuelve un objeto con tipo específico, en lugar de simplemente un general ITransformer. Sin embargo, al mismo tiempo, IEstimator<TTransformer> a menudo se forman en canalizaciones con muchos objetos, por lo que es posible que tengamos que crear una cadena de estimadores a través EstimatorChain<TLastTransformer> de donde el estimador para el que queremos obtener el transformador se enterró en algún lugar de esta cadena. En ese escenario, podemos a través de este método adjuntar un delegado al que se llamará una vez que se llame a fit.