ImageGrayscalingEstimator Класс

Определение

Пространство имен:

Microsoft.ML.Transforms.Image

Сборка:

Microsoft.ML.ImageAnalytics.dll

Пакет:

Microsoft.ML.ImageAnalytics v3.0.1

IEstimator<TTransformer>ImageGrayscalingTransformerдля .

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)

Наследование

Object

TrivialEstimator<ImageGrayscalingTransformer>

ImageGrayscalingEstimator

Комментарии

Характеристики оценщика

Должен ли этот оценщик просмотреть данные для обучения его параметров?	нет
Тип данных входного столбца	MLImage
Тип данных выходного столбца	MLImage
Требуется NuGet в дополнение к Microsoft.ML	Microsoft.ML.ImageAnalytics
Экспортируемый в ONNX	нет

В результате ImageGrayscalingTransformer создается новый столбец с именем, указанным в параметрах имени выходного столбца, и изображение из входного столбца преобразуется в изображение оттенка серого. Изображения можно преобразовать в оттенки серого, чтобы уменьшить сложность модели. Неактивные изображения содержат меньше информации для обработки, чем цветные изображения. Еще одним вариантом использования преобразования в оттенки серого является создание новых изображений из существующих, поэтому вы можете использовать более крупный набор данных, который называется расширением данных. Полные конвейеры обработки изображений и сценарии в приложениях см. в примерах в репозитории GitHub machinelearning-samples.

Ссылки на примеры использования см. в разделе "См. также".

Методы

Fit(IDataView)	IEstimator<TTransformer>ImageGrayscalingTransformerдля . (Унаследовано от TrivialEstimator<TTransformer>)
GetOutputSchema(SchemaShape)	Возвращает схему SchemaShape , которая будет производиться преобразователем. Используется для распространения и проверки схемы в конвейере.

Методы расширения

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

Добавьте "контрольную точку кэширования" в цепочку оценщика. Это гарантирует, что подчиненные оценщики будут обучены на основе кэшированных данных. Рекомендуется использовать контрольную точку кэширования перед обучением, которые принимают несколько данных.

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

Учитывая оценщик, верните объект-оболочку, который будет вызывать делегат один раз Fit(IDataView) . Часто важно, чтобы оценщик возвращал сведения о том, что было положено, поэтому Fit(IDataView) метод возвращает специально типизированный объект, а не просто общий ITransformer. Однако в то же время часто IEstimator<TTransformer> формируются в конвейеры со многими объектами, поэтому нам может потребоваться создать цепочку оценщиков, где EstimatorChain<TLastTransformer> оценщик, для которого мы хотим получить преобразователь, похоронен где-то в этой цепочке. В этом сценарии мы можем подключить делегат, который будет вызываться после вызова соответствия.

См. также раздел

• ConvertToGrayscale(TransformsCatalog, String, String)