DnnImageFeaturizerEstimator 類別
定義
重要
部分資訊涉及發行前產品,在發行之前可能會有大幅修改。 Microsoft 對此處提供的資訊,不做任何明確或隱含的瑕疵擔保。
套用預先定型的深度神經網路 (DNN) 模型,以特徵化輸入影像資料。
public sealed class DnnImageFeaturizerEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Data.TransformerChain<Microsoft.ML.Transforms.ColumnCopyingTransformer>>
type DnnImageFeaturizerEstimator = class
interface IEstimator<TransformerChain<ColumnCopyingTransformer>>
Public NotInheritable Class DnnImageFeaturizerEstimator
Implements IEstimator(Of TransformerChain(Of ColumnCopyingTransformer))
- 繼承
-
DnnImageFeaturizerEstimator
- 實作
備註
估算器特性
此估算器是否需要查看資料來定型其參數? | 否 |
輸入資料行資料類型 | Single 的向量 |
輸出資料行資料類型 | 的 Single 向量,向量的大小取決於預先定型的 DNN |
可匯出至 ONNX | 否 |
NuGet 需求:
- Microsoft.ML.OnnxTransformer
- 只有在使用 GPU 處理) 時,Microsoft.ML.OnnxRuntime.Gpu 才會 (
- 每個預先定型的 DNN 模型都有個別的 NuGet,如果使用該模型,則必須包含該模型:
- Microsoft.ML.DnnImageFeaturizer.AlexNet
- Microsoft.ML.DnnImageFeaturizer.ResNet18
- Microsoft.ML.DnnImageFeaturizer.ResNet50
- Microsoft.ML.DnnImageFeaturizer.ResNet101
產生的轉換器會建立名為 的新資料行,如輸出資料行名稱參數中所指定,其中預先定型的深度神經網路會套用至輸入影像資料。
此估算器是包裝函式, OnnxScoringEstimator 其中包含目前可用的 DNN 預先定型模型和數個 ColumnCopyingEstimator 。 需要 允許 ColumnCopyingEstimator 任意資料行輸入和輸出名稱,因為 否則 OnnxScoringEstimator 會要求資料行名稱符合 ONNX 模型節點的名稱。
此估算器的任何平臺需求都會遵循 的需求 OnnxScoringEstimator 。
如需使用範例的連結,請參閱另請參閱一節。
方法
Fit(IDataView) |
請注意,這是以這個為基礎的 OnnxEstimator 是一種簡單的估算器,因此這不會執行任何實際的定型,只要驗證架構即可。 |
GetOutputSchema(SchemaShape) |
套用預先定型的深度神經網路 (DNN) 模型,以特徵化輸入影像資料。 |
擴充方法
AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
將「快取檢查點」附加至估算器鏈結。 這可確保下游估算器會針對快取的資料定型。 在接受多個資料通過的定型器之前,擁有快取檢查點會很有説明。 |
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
假設有估算器,則會傳回包裝物件,一旦 Fit(IDataView) 呼叫委派即可。 估算器通常必須傳回符合專案的相關資訊,這就是方法 Fit(IDataView) 傳回特定型別物件的原因,而不是只傳回一般 ITransformer 。 不過,同時 IEstimator<TTransformer> ,通常會形成具有許多物件的管線,因此我們可能需要透過 EstimatorChain<TLastTransformer> 建置估算器的鏈結,而我們想要取得轉換器的估算器會在此鏈結的某處被隱藏。 在該案例中,我們可以透過此方法附加呼叫一次將會呼叫的委派。 |