DnnImageFeaturizerEstimator 類別

定義

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?
輸入資料行資料類型 Single 的向量
輸出資料行資料類型 Single 向量,向量的大小取決於預先定型的 DNN
可匯出至 ONNX

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。

適用於

另請參閱