ImageGrayscalingEstimator Classe
Definição
Importante
Algumas informações se referem a produtos de pré-lançamento que podem ser substancialmente modificados antes do lançamento. A Microsoft não oferece garantias, expressas ou implícitas, das informações aqui fornecidas.
public sealed class ImageGrayscalingEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.Image.ImageGrayscalingTransformer>type ImageGrayscalingEstimator = class
inherit TrivialEstimator<ImageGrayscalingTransformer>Public NotInheritable Class ImageGrayscalingEstimator
Inherits TrivialEstimator(Of ImageGrayscalingTransformer)- Herança
Comentários
Características do avaliador
| Esse avaliador precisa examinar os dados para treinar seus parâmetros? | No |
| Tipo de dados de coluna de entrada | MLImage |
| Tipo de dados da coluna de saída | MLImage |
| NuGet necessário além de Microsoft.ML | Microsoft.ML.ImageAnalytics |
| Exportável para ONNX | No |
O resultado ImageGrayscalingTransformer cria uma nova coluna, nomeada conforme especificado nos parâmetros de nome da coluna de saída e converte a imagem da coluna de entrada em uma imagem em escala de cinza. As imagens podem ser convertidas em escala de cinza para reduzir a complexidade do modelo. As imagens esmaecidos contêm menos informações a serem processadas do que as imagens coloridas. Outro caso de uso para converter em escala de cinza é gerar novas imagens das existentes, para que você possa ter um conjunto de dados maior, uma técnica conhecida como aumento de dados. Para pipelines de processamento de imagem de ponta a ponta e cenários em seus aplicativos, consulte os exemplos no repositório github de exemplos de machinelearning.
Verifique a seção Consulte Também para obter links para exemplos de uso.
Métodos
| Fit(IDataView) |
IEstimator<TTransformer> para o ImageGrayscalingTransformer. (Herdado de TrivialEstimator<TTransformer>) |
| GetOutputSchema(SchemaShape) |
Retorna o SchemaShape esquema que será produzido pelo transformador. Usado para propagação e verificação de esquema em um pipeline. |
Métodos de Extensão
| 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. |