LearningPipelineExtensions Classe

Definição

Namespace:

Microsoft.ML

Assembly:

Microsoft.ML.Data.dll

Pacote:

Microsoft.ML v2.0.0

Métodos de extensão que permitem o encadeamento de pipelines de avaliador e transformador.

public static class LearningPipelineExtensions

type LearningPipelineExtensions = class

Public Module LearningPipelineExtensions

Herança

Object

LearningPipelineExtensions

Métodos

Append<TSource,TTrans>(IDataLoader<TSource>, IEstimator<TTrans>)	Crie um novo avaliador de carregador composto acrescentando um avaliador a esse carregador de dados.
Append<TSource,TTrans>(IDataLoader<TSource>, TTrans)	Crie um carregador composto acrescentando um transformador a esse carregador de dados.
Append<TSource,TTrans>(IDataLoaderEstimator<TSource,IDataLoader<TSource>>, IEstimator<TTrans>)	Crie um novo avaliador de carregador composto acrescentando outro avaliador ao final desse avaliador de carregador de dados.
Append<TTrans>(IEstimator<ITransformer>, IEstimator<TTrans>, TransformerScope)	Crie uma nova cadeia de estimadores acrescentando outro avaliador ao final desse estimador.
Append<TTrans>(ITransformer, TTrans)	Crie uma nova cadeia de transformadores acrescentando outro transformador ao final dessa cadeia de transformadores.
AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	Acrescente um 'ponto de verificação de cache' à cadeia do avaliador. Isso garantirá que os estimadores downstream sejam treinados em relação aos dados armazenados em cache. É útil ter um ponto de verificação de cache antes dos treinadores que levam vários passes de dados.
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	Dado um avaliador, retorne um objeto de encapsulamento que chamará um delegado uma vez Fit(IDataView) que seja chamado. Geralmente, é importante que um avaliador retorne informações sobre o que estava em forma, e é por isso que o Fit(IDataView) método retorna um objeto especificamente tipado, em vez de apenas um geral ITransformer. No entanto, ao mesmo tempo, IEstimator<TTransformer> muitas vezes são formados em pipelines com muitos objetos, portanto, talvez seja necessário criar uma cadeia de avaliadores por meio EstimatorChain<TLastTransformer> de onde o estimador para o qual queremos obter o transformador está enterrado em algum lugar nesta cadeia. Para esse cenário, podemos por meio desse método anexar um delegado que será chamado assim que o ajuste for chamado.