Képek importálása
Fontos
A (klasszikus) Machine Learning Studio támogatása 2024. augusztus 31-én megszűnik. Javasoljuk, hogy addig térjen át az Azure Machine Learning használatára.
2021. december 1-től kezdve nem fog tudni létrehozni új (klasszikus) Machine Learning Studio-erőforrásokat. 2024. augusztus 31-ig továbbra is használhatja a meglévő (klasszikus) Machine Learning Studio-erőforrásokat.
- További információ a gépi tanulási projektek a ML Studióból a klasszikusból a Azure Machine Learning.
- További információ a Azure Machine Learning.
A (klasszikus) ML Studio dokumentációjának kivezetése folyamatban van, és a jövőben nem várható a frissítése.
Képeket tölt be az Azure BLOB Storage egy adatkészletbe
Kategória: OpenCV kódtármodulok
Megjegyzés
A következőkre vonatkozik: Machine Learning Studio (klasszikus)
Hasonló húzással használható modulok érhetők el Azure Machine Learning tervezőben.
A modul áttekintése
Ez a cikk azt ismerteti, hogyan használható a Machine Learning Studio (klasszikus) Képek importálása modulja több kép Azure Blob Storage-ból való lehívására és képadatkészlet létrehozására.
Ha ezzel a modullal tölt be képeket a blobtárolóból a munkaterületre, a rendszer minden képet a piros, zöld és kék csatornák numerikus értékeinek sorozatába konvertál a képfájl nevével együtt. Az ilyen képek adatkészlete egy tábla több sorát tartalmazza, amelyek mindegyikének különböző RGB-értékek és a megfelelő képfájlneveket tartalmazó készlete van. A képek előkészítésével és a Blob Storage-hoz való csatlakozással kapcsolatos utasításokért lásd: Lemezképek importálása.
Miután az összes képet konvertálta, továbbadhatja ezt az adatkészletet a Modell pontozása modulnak, és összekapcsolhat egy előre betanított képbesorolási modellt a kép típusának előrejelzéséhez.
A gépi tanuláshoz használt bármilyen rendszerkép importálható; azonban vannak olyan korlátozások, mint például a feldolgozható képek típusa és mérete, lásd a Műszaki megjegyzések szakaszt .
Lemezképek importálása
Ez a példa feltételezi, hogy több képet töltött fel a fiókjába az Azure Blob Storage-ban. A rendszerképek csak erre a célra kijelölt tárolóban vannak. Szabályként minden képnek viszonylag kicsinek kell lennie, és ugyanazoknak a dimenzióknak és színcsatornáknak kell lennie. A képekre vonatkozó követelmények részletes listáját a Műszaki megjegyzések szakaszban láthatja.
Adja hozzá az Import Images (Képek importálása ) modult a kísérlethez a Studióban (klasszikus).
Adja hozzá az Előre korlátozott Kaszkádolt képosztályozás és a Modell pontozása modult .
A Képek importálása modulban konfigurálja a képek helyét, és adja meg a privát vagy nyilvános hitelesítési módszert:
Ha a képkészlet egy olyan blobban található, amely megosztott hozzáférésű jogosultságokkal (SAS) keresztül nyilvános hozzáférésre van konfigurálva, írja be a képeket tartalmazó tároló URL-címét.
Ha a rendszerképeket egy privát fiók tárolja az Azure Storage-ban , válassza a Fiók lehetőséget, majd írja be a felügyeleti portálon megjelenő fióknevet. Ezután illessze be az elsődleges vagy másodlagos fiókkulcsot.
Az Elérési út tárolóhoz mezőbe írja be a tároló nevét, és ne adjon meg más elérésiút-elemet.
Csatlakozás Import Images (Képek importálása) kimenetét a Score Model (Modell pontozása) modulba.
Futtassa a kísérletet.
Results (Eredmények)
A kimeneti adatkészlet minden egyes sora egy kép adatait tartalmazza. A sorok rendszerképnév szerint betűrendbe vannak rendezve, és az oszlopok a következő információkat tartalmazzák ebben a sorrendben:
- Az első oszlop képneveket tartalmaz.
- Minden más oszlop a piros, zöld és kék színcsatornákból származó ellapított adatokat tartalmaz ebben a sorrendben.
- A rendszer figyelmen kívül hagyja az átlátszósági csatornát.
A kép színmélységétől és a képformátumtól függően több ezer oszlop is lehet egyetlen képhez. Ezért a kísérlet eredményeinek megtekintéséhez javasoljuk, hogy adja hozzá az Adatkészlet oszlopainak kijelölése modult, és csak a következő oszlopokat válassza ki:
- Rendszerkép neve
- Pontozott címkék
- Pontozási valószínűségek
Technikai megjegyzések
Ez a szakasz az implementáció részleteit, tippeket és válaszokat tartalmazza a gyakori kérdésekre
Támogatott képformátumok
A Képek importálása modul a kép típusát a tartalom első néhány bájtja beolvasása alapján határozza meg, nem fájlkiterjesztéssel. Ezen információk alapján meghatározza, hogy a rendszerkép a támogatott képformátumok valamelyike-e.
- Windows bittérképfájlok: .bmp, .dib
- JPEG-fájlok: .jpeg, .jpg, .jpe
- JPEG 2000-fájlok: .jp2
- Portable Network Graphics: .png
- Hordozható képformátum: .pbm, .pgm, .ppm
- Sun Raster: .sr, .ras
- TIFF-fájlok: .tiff, .tif
A rendszerképre vonatkozó követelmények
Az Import Images (Képek importálása) modul által feldolgozott képekre a következő követelmények vonatkoznak :
- Minden képnek azonos alakúnak kell lennie.
- Minden képnek azonos színcsatornával kell lennie. A szürkeárnyalatos képek például nem keverhetőek RBG-képekkel.
- A képenkénti korlát 65536 képpont. A képek száma azonban nincs korlátozva.
- Ha blobtárolót ad meg forrásként, a tároló nem tartalmazhat más típusú adatokat. A modul futtatása előtt győződjön meg arról, hogy a tároló csak képeket tartalmaz.
Egyéb korlátozások
Ha az Előre korlátozott Kaszkádolt képosztályozás modult szeretné használni, vegye figyelembe, hogy jelenleg csak az arcok felismerését támogatja az előlapi nézetben; más képosztályozók még nem érhetők el.
A képadatkészletek nem használhatók a következő modulokkal: Betanítás, Kereszt-ellenőrzés modell.
Modulparaméterek
Name | Tartomány | Típus | Alapértelmezett | Description |
---|---|---|---|---|
Adja meg a hitelesítés típusát | Lista | AuthenticationType (Hitelesítés típusa) | Fiók | Nyilvános vagy közös hozzáférésű jogosultság jogosultságának (SAS) URI-ja vagy felhasználói hitelesítő adatok |
URI | Bármelyik | Sztring | Nincs | Uniform Resource Identifier SAS-sel vagy nyilvános hozzáféréssel |
Fióknév | Bármelyik | Sztring | Nincs | Az Azure Storage neve |
Fiókkulcs | Bármelyik | SecureString | Nincs | Az Azure-fiókhoz társított Storage |
Tároló, könyvtár vagy blob elérési útja | Bármelyik | Sztring | Nincs | Blob elérési útja vagy a tábla neve |
Kimenet
Név | Típus | Description |
---|---|---|
Eredményadatkészlet | Adattábla | Adatkészlet letöltött képekkel |
Kivételek
Kivétel | Description |
---|---|
0003-as hiba | Kivétel akkor fordul elő, ha egy vagy több bemenet null vagy üres. |
0029-es hiba | Kivétel akkor fordul elő, ha érvénytelen URI-t ad át. |
0009-es hiba | Kivétel akkor fordul elő, ha az Azure Storage-fiók neve vagy a tároló neve helytelenül van megadva. |
0015-ös hiba | Kivétel akkor fordul elő, ha az adatbázis-kapcsolat meghiúsult. |
0030-as hiba | Kivétel akkor fordul elő, ha nem lehet letölteni egy fájlt. |
0049-es hiba | Kivétel akkor fordul elő, ha nem lehet egy fájlt elemezni. |
0048-as hiba | Kivétel akkor fordul elő, ha nem lehet megnyitni egy fájlt. |
A Studio (klasszikus) moduljaival kapcsolatos hibák listájáért tekintse meg a Machine Learning hibakódokat.
Az API-kivételek listáját a hibakódok Machine Learning REST API.