models Paquet
Représentation Python de modèles accélérés avec le service Modèles accélérés matériellement d’Azure Machine Learning.
Modules
accel_model |
Module avec classe de base abstraite de modèles à accélération matérielle. |
doesnotexisterror |
Erreur N’existe pas. |
utils |
Utilitaires pour les modèles : principalement liés au prétraitement. |
Classes
Densenet121 |
Version float-32 de Densenet. Ce modèle est au format RVB et a un facteur de mise à l’échelle de 0.017 Créez une version Float-32 de Densenet. Ce modèle est au format RVB. |
QuantizedDensenet121 |
Version quantifiée de Densenet. Ce modèle est au format RVB. Créez une version de Densenet quantifiée pour le service de modèles accélérés matériels Azure ML. Ce modèle est au format RVB. |
QuantizedResnet152 |
Version quantifiée de Renset-152. Créez une version de resnet 50 quantifiée pour le service de modèles accélérés matériels Azure ML. |
QuantizedResnet50 |
Version quantifiée de Renset-50. Créez une version de resnet 50 quantifiée pour le service de modèles accélérés matériels Azure ML. |
QuantizedSsdVgg |
Version quantifiée de SSD-VGG. Ce modèle est au format RVB. Créez une version de SSD VGG quantifiée pour le service de modèles accélérés matériels Azure ML. Ce modèle est au format RVB. :p aram model_base_path : chemin dans laquelle télécharger le modèle. Utilisé en tant que cache localement. :p aram is_frozen : doit-il figer les poids du modèle lors de son importation. Figer les poids peut entraînent un temps d’entraînement plus rapide, mais peuvent entraîner une baisse des performances globales de votre modèle. La valeur par défaut est false. |
QuantizedVgg16 |
Version quantifiée de VGG-16. Ce modèle est au format RVB. Créez une version de VGG 16 quantifiée pour le service de modèles accélérés matériels Azure ML. Ce modèle est au format RVB. |
Resnet152 |
Version Float-32 de ResNet-152. Créez une version Float-32 de resnet 152. |
Resnet50 |
Version Float-32 de ResNet-50. Créez une version Float-32 de resnet 50. |
SsdVgg |
Version Float-32 de SSD-VGG. Ce modèle est au format RVB. Créez une version Float-32 de SSD-VGG. |
Vgg16 |
Version Float-32 de VGG-16. Ce modèle est au format RVB. Créez une version Float-32 de VGG 16. |
Fonctions
preprocess_array
Créez une opération TensorFlow qui prend un tableau d’octets d’image et retourne des images régulières.
preprocess_array(in_images, order='RGB', scaling_factor=1.0, output_height=224, output_width=224, preserve_aspect_ratio=True)
Paramètres
Nom | Description |
---|---|
in_images
Obligatoire
|
[?] tenseur de dimension des octets d’image. (Généralement un espace réservé) |
order
|
ordre des canaux : « BGR » ou « RVB » valeur par défaut: RGB
|
scaling_factor
|
multiplicateur pour les valeurs de canal valeur par défaut: 1.0
|
output_height
|
hauteur de l’image de sortie valeur par défaut: 224
|
output_width
|
largeur de l’image de sortie valeur par défaut: 224
|
preserve_aspect_ratio
|
Si la valeur est True, conserve les proportions de l’image pendant la mise à l’échelle valeur par défaut: True
|
Retours
Type | Description |
---|---|
[?, output_height, output_width, 3] tenseur de dimension des valeurs de pixel float32 de l’image. |
Commentaires
https://aka.ms/ContentUserFeedback.
Bientôt disponible : Tout au long de 2024, nous allons supprimer progressivement GitHub Issues comme mécanisme de commentaires pour le contenu et le remplacer par un nouveau système de commentaires. Pour plus d’informations, consultezEnvoyer et afficher des commentaires pour