ImageLoadingEstimator Klasse
Definition
Wichtig
Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.
public sealed class ImageLoadingEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Data.ImageLoadingTransformer>type ImageLoadingEstimator = class
inherit TrivialEstimator<ImageLoadingTransformer>Public NotInheritable Class ImageLoadingEstimator
Inherits TrivialEstimator(Of ImageLoadingTransformer)- Vererbung
Hinweise
Schätzereigenschaften
| Muss sich dieser Schätzer die Daten ansehen, um seine Parameter zu trainieren? | Nein |
| Eingabespaltendatentyp | Text |
| Datentyp der Ausgabespalte | MLImage |
| Erforderlicher NuGet zusätzlich zu Microsoft.ML | Microsoft.ML.ImageAnalytics |
| Exportierbar nach ONNX | Nein |
Das resultierende ImageLoadingTransformer Erstellt eine neue Spalte, die wie in den Parametern des Ausgabespaltennamens angegeben ist, und lädt die in der Eingabespalte angegebenen Bilder darin. Das Laden ist der erste Schritt fast jeder Pipeline, die die Bildverarbeitung und die weitere Analyse von Bildern durchführt. Die zu ladenden Images müssen in den von MLImage der Implementierung unterstützten Formaten vorliegen. Informationen zu End-to-End-Bildverarbeitungspipelines und Szenarien in Ihren Anwendungen finden Sie in den Beispielen im GitHub-Repository machinelearning-samples.
Im Abschnitt Siehe auch finden Sie Links zu Verwendungsbeispielen.
Methoden
| Fit(IDataView) |
IEstimator<TTransformer>für .ImageLoadingTransformer (Geerbt von TrivialEstimator<TTransformer>) |
| GetOutputSchema(SchemaShape) |
Gibt das SchemaShape des Schemas zurück, das vom Transformator erzeugt wird. Wird für die Schemaweitergabe und -überprüfung in einer Pipeline verwendet. |
Erweiterungsmethoden
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Fügen Sie der Schätzungskette einen Zwischenspeicherungsprüfpunkt an. Dadurch wird sichergestellt, dass die nachgelagerten Schätzer für zwischengespeicherte Daten trainiert werden. Es ist hilfreich, vor Trainern, die mehrere Datendurchläufe durchführen, einen Zwischenspeicherungsprüfpunkt zu haben. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Geben Sie bei einem Schätzer ein Umbruchobjekt zurück, das nach Fit(IDataView) dem Aufruf einen Delegaten aufruft. Es ist oft wichtig, dass ein Schätzer Informationen darüber zurückgibt, was geeignet war. Deshalb gibt die Fit(IDataView) Methode ein speziell typisiertes Objekt zurück, anstatt nur ein allgemeines ITransformer. Zur gleichen Zeit IEstimator<TTransformer> werden jedoch häufig Pipelines mit vielen Objekten gebildet, sodass wir möglicherweise eine Kette von Schätzern erstellen müssen, über EstimatorChain<TLastTransformer> die der Schätzer, für den wir den Transformator erhalten möchten, irgendwo in dieser Kette vergraben ist. Für dieses Szenario können wir über diese Methode einen Delegaten anfügen, der aufgerufen wird, sobald fit aufgerufen wird. |