OnnxScoringEstimator 类

定义

命名空间:

Microsoft.ML.Transforms.Onnx

程序集:

Microsoft.ML.OnnxTransformer.dll

包:

Microsoft.ML.OnnxTransformer v3.0.1

IEstimator<TTransformer> 用于评分 ML.NET 框架中的 ONNX 模型。

public sealed class OnnxScoringEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.Onnx.OnnxTransformer>

type OnnxScoringEstimator = class
    inherit TrivialEstimator<OnnxTransformer>

Public NotInheritable Class OnnxScoringEstimator
Inherits TrivialEstimator(Of OnnxTransformer)

继承

Object

TrivialEstimator<OnnxTransformer>

OnnxScoringEstimator

注解

估算器特征

此估算器是否需要查看数据来训练其参数？	否
输入列数据类型	已知大小的矢量 Single 或 Double 类型
输出列数据类型	由 ONNX 模型指定
除 Microsoft.ML 以外，还需要 NuGet	Microsoft.ML.OnnxTransformer (始终) ，例如 Microsoft.ML.OnnxRuntime 1.6.0 (，用于 CPU 处理) 或 Microsoft.ML.OnnxRuntime.Gpu 1.6.0 (（如果 GPU 可用)
可导出到 ONNX	否

若要创建此估算器，请使用以下 API： ApplyOnnxModel

支持使用 Microsoft.ML.OnnxRuntime 库推断 ONNX 1.6 格式的模型 (opset 11) 。 如果项目引用 Microsoft.ML.OnnxRuntime，如果项目引用 Microsoft.ML.OnnxRuntime.Gpu，则模型在 CPU 上评分。 使用 OnnxScoringEstimator 的每个项目都必须引用上述两个包之一。

若要在 GPU 上运行，请使用 NuGet 包 Microsoft.ML.OnnxRuntime.Gpu 而不是 Microsoft.ML.OnnxRuntime nuget (，用于 CPU 处理) 。 Microsoft.ML.OnnxRuntime.Gpu 需要 支持 CUDA 的 GPU、 CUDA 10.2 工具包和 cuDNN 8.0.3 (，如 Onnxruntime 文档) 所示。 通过 ApplyOnnxModel 创建估算器时，将参数“gpuDeviceId”设置为有效的非负整数。 典型的设备 ID 值为 0 或 1。 如果未找到 GPU 设备，但“fallbackToCpu = true”，则估算器将在 CPU 上运行。 如果未找到 GPU 设备，但“fallbackToCpu = false”，则估算器将引发异常

ONNX 模型的输入和输出必须是 Tensor 类型。 尚不支持序列和地图。

在内部，OnnxTransformer (OnnxScoringEstimator.Fit () ) 的返回值保留对推理会话的引用，该会话指向OnnxRuntime.dll拥有的非托管内存。 每当管道中有 对 ApplyOnnxModel 的调用时，建议将 Fit () 调用的返回值强制转换为 IDisposable 并调用 Dispose () ，以确保没有内存泄漏。

OnnxRuntime 适用于 Windows、MacOS 和 Ubuntu 16.04 Linux 64 位平台。 请访问 ONNX 模型 ，查看随时可用的模型列表以开始使用。 有关详细信息，请参阅 ONNX 。

方法

Fit(IDataView)	IEstimator<TTransformer> 用于评分 ML.NET 框架中的 ONNX 模型。 (继承自 TrivialEstimator<TTransformer>)
GetOutputSchema(SchemaShape)	返回 SchemaShape 由转换器生成的架构。 用于管道中的架构传播和验证。

扩展方法

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	将“缓存检查点”追加到估算器链。 这将确保根据缓存的数据训练下游估算器。 在执行多个数据传递的训练器之前，拥有缓存检查点会很有帮助。
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	给定估算器后，返回一个包装对象，该对象将调用委托一次 Fit(IDataView) 。 估算器通常必须返回有关适合的内容的信息，这就是为什么 Fit(IDataView) 该方法返回特定类型化对象的原因，而不仅仅是常规 ITransformer对象。 但是，同时， IEstimator<TTransformer> 通常形成为包含许多对象的管道，因此，我们可能需要通过 EstimatorChain<TLastTransformer> 估算器链生成一个估算器链，以便将转换器埋在此链中的某个位置。 对于该方案，我们可以通过此方法附加一个委托，该委托将在调用拟合后调用。