ImageLoadingEstimator Klasa
Definicja
Ważne
Niektóre informacje odnoszą się do produktu w wersji wstępnej, który może zostać znacząco zmodyfikowany przed wydaniem. Firma Microsoft nie udziela żadnych gwarancji, jawnych lub domniemanych, w odniesieniu do informacji podanych w tym miejscu.
public sealed class ImageLoadingEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Data.ImageLoadingTransformer>type ImageLoadingEstimator = class
inherit TrivialEstimator<ImageLoadingTransformer>Public NotInheritable Class ImageLoadingEstimator
Inherits TrivialEstimator(Of ImageLoadingTransformer)- Dziedziczenie
Uwagi
Charakterystyka narzędzia do szacowania
| Czy ten narzędzie do szacowania musi przyjrzeć się danym, aby wytrenować jego parametry? | Nie |
| Typ danych kolumny wejściowej | Tekst |
| Typ danych kolumny wyjściowej | MLImage |
| Wymagane narzędzie NuGet oprócz Microsoft.ML | Microsoft.ML.ImageAnalytics |
| Eksportowanie do pliku ONNX | Nie |
ImageLoadingTransformer Wynikowy tworzy nową kolumnę o nazwie określonej w parametrach nazwy kolumny wyjściowej i ładuje w niej obrazy określone w kolumnie wejściowej. Ładowanie to pierwszy krok niemal każdego potoku, który przetwarza obrazy i dalszą analizę obrazów. Ładowanie obrazów musi być w formatach obsługiwanych przez MLImage implementację. Aby uzyskać kompleksowe potoki przetwarzania obrazów i scenariusze w aplikacjach, zobacz przykłady w repozytorium github machinelearning-samples.
Zapoznaj się z sekcją Zobacz również, aby uzyskać linki do przykładów użycia.
Metody
| Fit(IDataView) |
IEstimator<TTransformer>dla .ImageLoadingTransformer (Odziedziczone po TrivialEstimator<TTransformer>) |
| GetOutputSchema(SchemaShape) |
SchemaShape Zwraca schemat, który zostanie wygenerowany przez transformator. Służy do propagacji schematu i weryfikacji w potoku. |
Metody rozszerzania
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Dołącz punkt kontrolny buforowania do łańcucha narzędzia do szacowania. Zapewni to, że narzędzia do szacowania podrzędnego zostaną wytrenowane względem buforowanych danych. Warto mieć punkt kontrolny buforowania, zanim trenerzy przejmą wiele danych. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Biorąc pod uwagę narzędzie do szacowania, zwróć obiekt opakowujący, który wywoła delegata po Fit(IDataView) wywołaniu. Często ważne jest, aby narzędzie do szacowania zwracało informacje o tym, co było odpowiednie, dlatego Fit(IDataView) metoda zwraca specjalnie wpisany obiekt, a nie tylko ogólną ITransformerwartość . Jednak w tym samym czasie IEstimator<TTransformer> często są tworzone w potoki z wieloma obiektami, więc może być konieczne utworzenie łańcucha narzędzi do szacowania za pośrednictwem EstimatorChain<TLastTransformer> miejsca, w którym narzędzie do szacowania, dla którego chcemy uzyskać transformator jest pochowany gdzieś w tym łańcuchu. W tym scenariuszu możemy za pomocą tej metody dołączyć delegata, który zostanie wywołany po wywołaniu dopasowania. |