OnnxTransformer Classe

Définition

Espace de noms:

Microsoft.ML.Transforms.Onnx

Assembly:

Microsoft.ML.OnnxTransformer.dll

Paquet:

Microsoft.ML.OnnxTransformer v3.0.1

ITransformer résultant de l’ajustement d’un OnnxScoringEstimator. Pour en savoir plus sur les dépendances nécessaires, voir OnnxScoringEstimator comment l’exécuter sur un GPU.

public sealed class OnnxTransformer : Microsoft.ML.Data.RowToRowTransformerBase, IDisposable

type OnnxTransformer = class
    inherit RowToRowTransformerBase
    interface IDisposable

Public NotInheritable Class OnnxTransformer
Inherits RowToRowTransformerBase
Implements IDisposable

Héritage

Object

RowToRowTransformerBase

OnnxTransformer

Implémente

IDisposable

Remarques

Caractéristiques de l’estimateur

Ce estimateur doit-il examiner les données pour entraîner ses paramètres ?	Non
Type de données de colonne d’entrée	Vecteur de taille connue des Single types ou Double des types.
Type de données de colonne de sortie	Même type de données que la colonne d’entrée
NuGet requis en plus de Microsoft.ML	Microsoft.ML.OnnxTransformer

Prend en charge l’inférence des modèles au format ONNX 1.2, 1.3, 1.4 et 1.5 (opset 7, 8, 9 et 10), à l’aide de la bibliothèque Microsoft.ML.OnnxRuntime . Les modèles sont marqués sur le processeur par défaut. Si l’exécution du GPU est nécessaire (facultatif), utilisez le package NuGet disponible sur Microsoft.ML.OnnxRuntime.Gpu et téléchargez CUDA 9.1 Toolkit et cuDNN. Définissez le paramètre « gpuDeviceId » sur un entier non négatif valide. Les valeurs d’ID d’appareil classiques sont 0 ou 1. Les entrées et sorties des modèles ONNX doivent être de type Tensor. Les séquences et cartes ne sont pas encore prises en charge. OnnxRuntime fonctionne actuellement sur les plateformes Windows et Ubuntu 16.04 Linux 64 bits. Mac OS à prendre en charge bientôt. Visitez les modèles ONNX pour afficher la liste des modèles facilement disponibles pour bien démarrer. Pour plus d’informations, consultez ONNX .

Pour créer cet estimateur, utilisez les éléments suivants : ApplyOnnxModel

Consultez la section Voir également pour obtenir des liens vers des exemples d’utilisation.

Méthodes

Dispose()	ITransformer résultant de l’ajustement d’un OnnxScoringEstimator. Pour en savoir plus sur les dépendances nécessaires, voir OnnxScoringEstimator comment l’exécuter sur un GPU.
GetOutputSchema(DataViewSchema)	ITransformer résultant de l’ajustement d’un OnnxScoringEstimator. Pour en savoir plus sur les dépendances nécessaires, voir OnnxScoringEstimator comment l’exécuter sur un GPU. (Hérité de RowToRowTransformerBase)
Transform(IDataView)	ITransformer résultant de l’ajustement d’un OnnxScoringEstimator. Pour en savoir plus sur les dépendances nécessaires, voir OnnxScoringEstimator comment l’exécuter sur un GPU. (Hérité de RowToRowTransformerBase)

Implémentations d’interfaces explicites

ICanSaveModel.Save(ModelSaveContext)	ITransformer résultant de l’ajustement d’un OnnxScoringEstimator. Pour en savoir plus sur les dépendances nécessaires, voir OnnxScoringEstimator comment l’exécuter sur un GPU. (Hérité de RowToRowTransformerBase)
ITransformer.GetRowToRowMapper(DataViewSchema)	ITransformer résultant de l’ajustement d’un OnnxScoringEstimator. Pour en savoir plus sur les dépendances nécessaires, voir OnnxScoringEstimator comment l’exécuter sur un GPU. (Hérité de RowToRowTransformerBase)
ITransformer.IsRowToRowMapper	ITransformer résultant de l’ajustement d’un OnnxScoringEstimator. Pour en savoir plus sur les dépendances nécessaires, voir OnnxScoringEstimator comment l’exécuter sur un GPU. (Hérité de RowToRowTransformerBase)

Méthodes d’extension

Preview(ITransformer, IDataView, Int32)	Afficher un aperçu d’un effet sur transformer un donné data.
Append<TTrans>(ITransformer, TTrans)	Créez une chaîne de transformateur, en ajoutant un autre transformateur à la fin de cette chaîne de transformateur.
CreateTimeSeriesEngine<TSrc,TDst>(ITransformer, IHostEnvironment, PredictionEngineOptions)	TimeSeriesPredictionEngine<TSrc,TDst> crée un moteur de prédiction pour un pipeline de série chronologique. Il met à jour l’état du modèle de série chronologique avec des observations observées lors de la phase de prédiction et permet de contrôler le modèle.
CreateTimeSeriesEngine<TSrc,TDst>(ITransformer, IHostEnvironment, Boolean, SchemaDefinition, SchemaDefinition)	TimeSeriesPredictionEngine<TSrc,TDst> crée un moteur de prédiction pour un pipeline de série chronologique. Il met à jour l’état du modèle de série chronologique avec des observations observées lors de la phase de prédiction et permet de contrôler le modèle.