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.