Condividi tramite


DnnImageFeaturizerEstimator Classe

Definizione

Applica un modello di rete neurale profonda (DNN) con training preliminare per definire le caratteristiche dei dati dell'immagine di input.

public sealed class DnnImageFeaturizerEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Data.TransformerChain<Microsoft.ML.Transforms.ColumnCopyingTransformer>>
type DnnImageFeaturizerEstimator = class
    interface IEstimator<TransformerChain<ColumnCopyingTransformer>>
Public NotInheritable Class DnnImageFeaturizerEstimator
Implements IEstimator(Of TransformerChain(Of ColumnCopyingTransformer))
Ereditarietà
DnnImageFeaturizerEstimator
Implementazioni

Commenti

Caratteristiche dello strumento di stima

Questo strumento di stima deve esaminare i dati per eseguire il training dei relativi parametri? No
Tipo di dati della colonna di input Vettore di Single
Tipo di dati della colonna di output Vettore di Single, la dimensione del vettore dipende dalla rete neurale neurale con training preliminare
Esportabile in ONNX No

Requisiti di NuGet:

  • Microsoft.ML.OnnxTransformer
  • Microsoft.ML.OnnxRuntime.Gpu (solo se viene usata l'elaborazione GPU)
  • Ogni modello DNN con training preliminare ha un NuGet separato che deve essere incluso se viene usato il modello:
    • Microsoft.ML.DnnImageFeaturizer.AlexNet
    • Microsoft.ML.DnnImageFeaturizer.ResNet18
    • Microsoft.ML.DnnImageFeaturizer.ResNet50
    • Microsoft.ML.DnnImageFeaturizer.ResNet101

Il trasformatore risultante crea una nuova colonna, denominata come specificato nei parametri del nome della colonna di output, in cui viene applicata una rete neurale profonda con training preliminare ai dati dell'immagine di input.

Questo strumento di stima è un wrapper intorno a con OnnxScoringEstimator i modelli DNN disponibili correnti con training preliminare e diversi ColumnCopyingEstimator. Sono ColumnCopyingEstimator necessari per consentire nomi arbitrari di input e output di colonna, perché in caso contrario, OnnxScoringEstimator richiederebbe che i nomi delle colonne corrispondano ai nomi dei nodi del modello ONNX.

Qualsiasi requisito della piattaforma per questo strumento di stima seguirà i requisiti in OnnxScoringEstimator.

Vedere la sezione Vedere anche i collegamenti agli esempi di utilizzo.

Metodi

Fit(IDataView)

Si noti che OnnxEstimator basato su è un semplice strumento di stima, quindi non esegue alcun training effettivo, verifica semplicemente lo schema.

GetOutputSchema(SchemaShape)

Applica un modello di rete neurale profonda (DNN) con training preliminare per definire le caratteristiche dei dati dell'immagine di input.

Metodi di estensione

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

Aggiungere un "checkpoint di memorizzazione nella cache" alla catena di stima. Ciò garantisce che gli estimatori downstream vengano sottoposti a training in base ai dati memorizzati nella cache. È utile avere un checkpoint di memorizzazione nella cache prima che i formatori eseseguono più passaggi di dati.

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

Dato un estimator, restituire un oggetto wrapping che chiamerà un delegato una volta Fit(IDataView) chiamato. È spesso importante che uno strumento di stima restituisca informazioni sull'adattamento, motivo per cui il Fit(IDataView) metodo restituisce un oggetto tipizzato in modo specifico, anziché solo un oggetto generale ITransformer. Tuttavia, allo stesso tempo, IEstimator<TTransformer> vengono spesso formati in pipeline con molti oggetti, quindi potrebbe essere necessario creare una catena di estimatori tramite EstimatorChain<TLastTransformer> dove lo strumento di stima per il quale si vuole ottenere il trasformatore è sepolto in una posizione in questa catena. Per questo scenario, è possibile collegare un delegato che verrà chiamato una volta chiamato fit.

Si applica a

Vedi anche