TensorflowCatalog Sınıf

Tanım

Ad Alanı:

Microsoft.ML

Bütünleştirilmiş Kod:

Microsoft.ML.TensorFlow.dll

Paket:

Microsoft.ML.TensorFlow v3.0.1

TensorFlowTransformer aşağıdaki iki senaryoda kullanılır.

1. Önceden eğitilmiş TensorFlow modeliyle puanlama: Bu modda dönüşüm, önceden eğitilmiş bir Tensorflow modelinden gizli katmanların değerlerini ayıklar ve çıkışları ML.Net işlem hattında özellik olarak kullanır.
2. TensorFlow modelinin yeniden eğitilmesi: Bu modda dönüştürme, ML.Net işlem hattından geçirilen kullanıcı verilerini kullanarak bir TensorFlow modelini yeniden eğitiyor. Model eğitildikten sonra çıkışlar puanlama özellikleri olarak kullanılabilir.

public static class TensorflowCatalog

type TensorflowCatalog = class

Public Module TensorflowCatalog

Devralma

Object

TensorflowCatalog

Açıklamalar

TensorFlowTransform, önceden eğitilmiş bir Tensorflow modeli kullanarak belirtilen çıkışları ayıklar. İsteğe bağlı olarak, kullanıcı verilerindeki model parametrelerini ayarlamak için kullanıcı verilerinde TensorFlow modelini daha fazla yeniden eğitebilir ("Öğrenmeyi Aktar" olarak da bilinir).

Puanlama için dönüştürme, önceden eğitilmiş Tensorflow modelini, giriş düğümlerinin adlarını ve değerlerini ayıklamak istediğimiz çıkış düğümlerinin adlarını girdi olarak alır. Dönüşüm, yeniden eğitmek için TensorFlow grafiğindeki iyileştirme işleminin adları, grafikteki öğrenme hızı işleminin adı ve değeri, kayıp ve performans ölçümünü hesaplamak için graftaki işlemlerin adı gibi eğitimle ilgili parametreleri de gerektirir.

Bu dönüşüm , Microsoft.ML.TensorFlow nuget'in yüklenmesini gerektirir. TensorFlowTransform giriş, çıkış, verilerin işlenmesi ve yeniden eğitme ile ilgili aşağıdaki varsayımlara sahiptir.

1. Giriş modeli için, şu anda TensorFlowTransform hem Frozen model biçimini hem de SavedModel biçimini destekler. Ancak modelin yeniden eğitilmesi yalnızca SavedModel biçimi için mümkündür. Denetim noktası biçimi şu anda puanlama veya yükleme için TensorFlow C-API desteğinin olmaması nedeniyle yeniden eğitme için desteklenmemektedir.
2. Dönüşüm, bir kerede yalnızca bir örnek puanlama desteğine sahiptir. Ancak, yeniden eğitme toplu olarak gerçekleştirilebilir.
3. Gelişmiş aktarım öğrenmesi/ince ayar senaryoları (örn. ağa daha fazla katman eklemek, girişlerin şeklini değiştirmek, yeniden eğitme işlemi sırasında güncelleştirilmesi gerekmeyen katmanları dondurmak vb.) şu anda TensorFlow C-API kullanarak model içinde ağ/graf işleme desteğinin olmaması nedeniyle mümkün değildir.
4. Giriş sütunlarının adı, TensorFlow modelindeki girişlerin adıyla eşleşmelidir.
5. Her çıkış sütununun adı TensorFlow grafiğindeki işlemlerden biriyle eşleşmelidir.
6. Şu anda double, float, long, int, short, sbyte, ulong, uint, ushort, byte ve bool giriş/çıkış için kabul edilebilir veri türleridir.
7. Başarılı olduğunda dönüştürme, belirtilen her çıkış sütununa IDataView karşılık gelen yeni bir sütun ekler.

TensorFlow modelinin girişleri ve çıkışları veya summarize_graph araçları kullanılarak GetModelSchema() elde edilebilir.

Yöntemler

LoadTensorFlowModel(ModelOperationsCatalog, String, Boolean)

TensorFlow modelini belleğe yükleyin. Bu, modelin bir kez yüklenmesini ve daha sonra şemayı sorgulamak ve kullanarak ScoreTensorFlowModel(String, String, Boolean)oluşturulması için kullanılmasını sağlayan kolaylık yöntemidirTensorFlowEstimator. Bu API'nin kullanımı TensorFlow yeniden dağıtımda ek NuGet bağımlılıkları gerektirir. Daha fazla bilgi için bağlantılı belgeye bakın. TensorFlowModel ayrıca, dispose() için açık bir çağrıyla veya değişkeni "using" söz dizimi ile bildirerek örtük olarak serbest bırakılması gereken yönetilmeyen kaynaklara başvurular tutar/>

LoadTensorFlowModel(ModelOperationsCatalog, String)

TensorFlow modelini belleğe yükleyin. Bu, modelin bir kez yüklenmesini ve daha sonra şemayı sorgulamak ve kullanarak ScoreTensorFlowModel(String, String, Boolean)oluşturulması için kullanılmasını sağlayan kolaylık yöntemidirTensorFlowEstimator. Bu API'nin kullanımı TensorFlow yeniden dağıtımda ek NuGet bağımlılıkları gerektirir. Daha fazla bilgi için bağlantılı belgeye bakın. TensorFlowModel ayrıca, dispose() için açık bir çağrıyla veya değişkeni "using" söz dizimi ile bildirerek örtük olarak serbest bırakılması gereken yönetilmeyen kaynaklara başvurular tutar/>

Ayrıca bkz.

• ScoreTensorFlowModel(String, String, Boolean)
• ScoreTensorFlowModel(String[], String[], Boolean)