DataOperationsCatalog.LoadFromEnumerable Método

Definição

Namespace:

Microsoft.ML

Assembly:

Microsoft.ML.Data.dll

Pacote:

Microsoft.ML v3.0.1

Sobrecargas

LoadFromEnumerable<TRow>(IEnumerable<TRow>, SchemaDefinition)

Crie um novo IDataView em uma enumerável dos itens do tipo definido pelo usuário. O usuário mantém a data propriedade e a exibição de dados resultante nunca alterará o conteúdo do data. Como IDataView é considerado imutável, espera-se que o usuário dê suporte a várias enumerações das data quais retornariam os mesmos resultados, a menos que o usuário saiba que os dados serão cursos apenas uma vez. Um uso típico para exibição de dados de streaming pode ser: criar a exibição de dados que carrega dados preguiçosamente conforme necessário e, em seguida, aplicar transformações pré-treinadas a ele e cursor por meio dele para obter resultados de transformação.

LoadFromEnumerable<TRow>(IEnumerable<TRow>, DataViewSchema)

Crie um novo IDataView sobre um enumerável dos itens do tipo definido pelo usuário usando o fornecido DataViewSchema, que pode conter mais informações sobre o esquema do que o tipo pode capturar.

LoadFromEnumerable<TRow>(IEnumerable<TRow>, SchemaDefinition)

Crie um novo IDataView em uma enumerável dos itens do tipo definido pelo usuário. O usuário mantém a data propriedade e a exibição de dados resultante nunca alterará o conteúdo do data. Como IDataView é considerado imutável, espera-se que o usuário dê suporte a várias enumerações das data quais retornariam os mesmos resultados, a menos que o usuário saiba que os dados serão cursos apenas uma vez.

Um uso típico para exibição de dados de streaming pode ser: criar a exibição de dados que carrega dados preguiçosamente conforme necessário e, em seguida, aplicar transformações pré-treinadas a ele e cursor por meio dele para obter resultados de transformação.

public Microsoft.ML.IDataView LoadFromEnumerable<TRow> (System.Collections.Generic.IEnumerable<TRow> data, Microsoft.ML.Data.SchemaDefinition schemaDefinition = default) where TRow : class;

member this.LoadFromEnumerable : seq<'Row (requires 'Row : null)> * Microsoft.ML.Data.SchemaDefinition -> Microsoft.ML.IDataView (requires 'Row : null)

Public Function LoadFromEnumerable(Of TRow As Class) (data As IEnumerable(Of TRow), Optional schemaDefinition As SchemaDefinition = Nothing) As IDataView

Parâmetros de tipo

TRow

O tipo de item definido pelo usuário.

Parâmetros

data

IEnumerable<TRow>

Os dados enumeráveis que contêm o tipo TRow a serem convertidos em um IDataView.

schemaDefinition

SchemaDefinition

A definição de esquema opcional do modo de exibição de dados a ser criado. Se null, a definição de esquema é inferida de TRow.

Retornos

IDataView

O construído IDataView.

Exemplos

using System;
using System.Collections.Generic;
using Microsoft.ML;
using Microsoft.ML.Data;

namespace Samples.Dynamic
{
    public static class LoadFromEnumerable
    {
        // Creating IDataView from IEnumerable, and setting the size of the vector
        // at runtime. When the data model is defined through types, setting the
        // size of the vector is done through the VectorType annotation. When the
        // size of the data is not known at compile time, the Schema can be directly
        // modified at runtime and the size of the vector set there. This is
        // important, because most of the ML.NET trainers require the Features
        // vector to be of known size. 
        public static void Example()
        {
            // Create a new context for ML.NET operations. It can be used for
            // exception tracking and logging, as a catalog of available operations
            // and as the source of randomness.
            var mlContext = new MLContext();

            // Get a small dataset as an IEnumerable.
            IEnumerable<DataPointVector> enumerableKnownSize = new DataPointVector[]
            {
               new DataPointVector{ Features = new float[]{ 1.2f, 3.4f, 4.5f, 3.2f,
                   7,5f } },

               new DataPointVector{ Features = new float[]{ 4.2f, 3.4f, 14.65f,
                   3.2f, 3,5f } },

               new DataPointVector{ Features = new float[]{ 1.6f, 3.5f, 4.5f, 6.2f,
                   3,5f } },

            };

            // Load dataset into an IDataView. 
            IDataView data = mlContext.Data.LoadFromEnumerable(enumerableKnownSize);
            var featureColumn = data.Schema["Features"].Type as VectorDataViewType;
            // Inspecting the schema
            Console.WriteLine($"Is the size of the Features column known: " +
                $"{featureColumn.IsKnownSize}.\nSize: {featureColumn.Size}");

            // Preview
            //
            // Is the size of the Features column known? True.
            // Size: 5.

            // If the size of the vector is unknown at compile time, it can be set 
            // at runtime.
            IEnumerable<DataPoint> enumerableUnknownSize = new DataPoint[]
            {
               new DataPoint{ Features = new float[]{ 1.2f, 3.4f, 4.5f } },
               new DataPoint{ Features = new float[]{ 4.2f, 3.4f, 1.6f } },
               new DataPoint{ Features = new float[]{ 1.6f, 3.5f, 4.5f } },
            };

            // The feature dimension (typically this will be the Count of the array 
            // of the features vector known at runtime).
            int featureDimension = 3;
            var definedSchema = SchemaDefinition.Create(typeof(DataPoint));
            featureColumn = definedSchema["Features"]
                .ColumnType as VectorDataViewType;

            Console.WriteLine($"Is the size of the Features column known: " +
                $"{featureColumn.IsKnownSize}.\nSize: {featureColumn.Size}");

            // Preview
            //
            // Is the size of the Features column known? False.
            // Size: 0.

            // Set the column type to be a known-size vector.
            var vectorItemType = ((VectorDataViewType)definedSchema[0].ColumnType)
                .ItemType;
            definedSchema[0].ColumnType = new VectorDataViewType(vectorItemType,
                featureDimension);

            // Read the data into an IDataView with the modified schema supplied in
            IDataView data2 = mlContext.Data
                .LoadFromEnumerable(enumerableUnknownSize, definedSchema);

            featureColumn = data2.Schema["Features"].Type as VectorDataViewType;
            // Inspecting the schema
            Console.WriteLine($"Is the size of the Features column known: " +
                $"{featureColumn.IsKnownSize}.\nSize: {featureColumn.Size}");

            // Preview
            //
            // Is the size of the Features column known? True. 
            // Size: 3.
        }
    }

    public class DataPoint
    {
        public float[] Features { get; set; }
    }

    public class DataPointVector
    {
        [VectorType(5)]
        public float[] Features { get; set; }
    }
}

LoadFromEnumerable<TRow>(IEnumerable<TRow>, DataViewSchema)

Crie um novo IDataView sobre um enumerável dos itens do tipo definido pelo usuário usando o fornecido DataViewSchema, que pode conter mais informações sobre o esquema do que o tipo pode capturar.

public Microsoft.ML.IDataView LoadFromEnumerable<TRow> (System.Collections.Generic.IEnumerable<TRow> data, Microsoft.ML.DataViewSchema schema) where TRow : class;

member this.LoadFromEnumerable : seq<'Row (requires 'Row : null)> * Microsoft.ML.DataViewSchema -> Microsoft.ML.IDataView (requires 'Row : null)

Public Function LoadFromEnumerable(Of TRow As Class) (data As IEnumerable(Of TRow), schema As DataViewSchema) As IDataView

Parâmetros de tipo

TRow

O tipo de item definido pelo usuário.

Parâmetros

data

IEnumerable<TRow>

Os dados enumeráveis que contêm o tipo TRow a serem convertidos em um IDataView.

schema

DataViewSchema

O esquema do retornado IDataView.

Retornos

IDataView

Um IDataView com o determinado schema.

Comentários

O usuário mantém a data propriedade e a exibição de dados resultante nunca alterará o conteúdo do data. Como IDataView é considerado imutável, espera-se que o usuário dê suporte a várias enumerações das data quais retornariam os mesmos resultados, a menos que o usuário saiba que os dados serão cursos apenas uma vez. Um uso típico para exibição de dados de streaming pode ser: criar a exibição de dados que carrega dados preguiçosamente conforme necessário e, em seguida, aplicar transformações pré-treinadas a ele e cursor por meio dele para obter resultados de transformação. Um uso prático disso seria fornecer os nomes das colunas de recursos por meio do DataViewSchema.Annotations.