ImageGrayscalingEstimator Classe

Definição

Namespace:

Microsoft.ML.Transforms.Image

Assembly:

Microsoft.ML.ImageAnalytics.dll

Pacote:

Microsoft.ML.ImageAnalytics v3.0.1

IEstimator<TTransformer> para o ImageGrayscalingTransformer.

public sealed class ImageGrayscalingEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.Image.ImageGrayscalingTransformer>

type ImageGrayscalingEstimator = class
    inherit TrivialEstimator<ImageGrayscalingTransformer>

Public NotInheritable Class ImageGrayscalingEstimator
Inherits TrivialEstimator(Of ImageGrayscalingTransformer)

Herança

Object

TrivialEstimator<ImageGrayscalingTransformer>

ImageGrayscalingEstimator

Comentários

Características do avaliador

Esse avaliador precisa examinar os dados para treinar seus parâmetros?	No
Tipo de dados de coluna de entrada	MLImage
Tipo de dados da coluna de saída	MLImage
NuGet necessário além de Microsoft.ML	Microsoft.ML.ImageAnalytics
Exportável para ONNX	No

O resultado ImageGrayscalingTransformer cria uma nova coluna, nomeada conforme especificado nos parâmetros de nome da coluna de saída e converte a imagem da coluna de entrada em uma imagem em escala de cinza. As imagens podem ser convertidas em escala de cinza para reduzir a complexidade do modelo. As imagens esmaecidos contêm menos informações a serem processadas do que as imagens coloridas. Outro caso de uso para converter em escala de cinza é gerar novas imagens das existentes, para que você possa ter um conjunto de dados maior, uma técnica conhecida como aumento de dados. Para pipelines de processamento de imagem de ponta a ponta e cenários em seus aplicativos, consulte os exemplos no repositório github de exemplos de machinelearning.

Verifique a seção Consulte Também para obter links para exemplos de uso.

Métodos

Fit(IDataView)	IEstimator<TTransformer> para o ImageGrayscalingTransformer. (Herdado de TrivialEstimator<TTransformer>)
GetOutputSchema(SchemaShape)	Retorna o SchemaShape esquema que será produzido pelo transformador. Usado para propagação e verificação de esquema em um pipeline.

Métodos de Extensão

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Acrescente um 'ponto de verificação de cache' à cadeia do avaliador. Isso garantirá que os estimadores downstream sejam treinados em relação aos dados armazenados em cache. É útil ter um ponto de verificação de cache antes dos treinadores que levam vários passes de dados.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Dado um avaliador, retorne um objeto de encapsulamento que chamará um delegado uma vez Fit(IDataView) que seja chamado. Geralmente, é importante que um avaliador retorne informações sobre o que estava em forma, e é por isso que o Fit(IDataView) método retorna um objeto especificamente tipado, em vez de apenas um geral ITransformer. No entanto, ao mesmo tempo, IEstimator<TTransformer> muitas vezes são formados em pipelines com muitos objetos, portanto, talvez seja necessário criar uma cadeia de avaliadores por meio EstimatorChain<TLastTransformer> de onde o estimador para o qual queremos obter o transformador está enterrado em algum lugar nesta cadeia. Para esse cenário, podemos por meio desse método anexar um delegado que será chamado assim que o ajuste for chamado.

Confira também

• ConvertToGrayscale(TransformsCatalog, String, String)