ImageClassificationTrainer 類別

定義

命名空間:

Microsoft.ML.Vision

組件:

Microsoft.ML.Vision.dll

套件:

Microsoft.ML.Vision v2.0.0

用來 IEstimator<TTransformer> 定型深度神經網路的 (DNN) 來分類影像。

public sealed class ImageClassificationTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.MulticlassPredictionTransformer<Microsoft.ML.Vision.ImageClassificationModelParameters>,Microsoft.ML.Vision.ImageClassificationModelParameters>

type ImageClassificationTrainer = class
    inherit TrainerEstimatorBase<MulticlassPredictionTransformer<ImageClassificationModelParameters>, ImageClassificationModelParameters>

Public NotInheritable Class ImageClassificationTrainer
Inherits TrainerEstimatorBase(Of MulticlassPredictionTransformer(Of ImageClassificationModelParameters), ImageClassificationModelParameters)

繼承

Object

TrainerEstimatorBase<MulticlassPredictionTransformer<ImageClassificationModelParameters>,ImageClassificationModelParameters>

ImageClassificationTrainer

備註

若要建立此定型器，請使用 ImageClassification。

輸入和輸出資料行

輸入標籤資料行資料必須是 索引鍵 類型，而且特徵資料行必須是 的 Byte 可變大小向量。

此定型器會輸出下列資料行：

輸出資料行名稱	資料行類型	描述
Score	向量Single	所有類別的分數。較高的值表示進入相關聯類別的機率較高。 如果 i-th 元素具有最大值，則預測的標籤索引會是 i.請注意，i 是以零起始的索引。
PredictedLabel	索引鍵 類型	預測標籤的索引。 若其值是 i，則實際標籤可能會是索引鍵/值輸入標籤類型中的第 i 個類別。

定型器特性

機器學習工作	多元分類
是否需要正規化？	否
是否需要快取？	否
除了 Microsoft.ML 之外，還需要 NuGet	Microsoft.ML.Vision 和 SciSharp.TensorFlow.Redist / SciSharp.TensorFlow.Redist-Windows-GPU / SciSharp.TensorFlow.Redist-Linux-GPU
可匯出至 ONNX	否

使用 TensorFlow 型 API

若要執行任何 TensorFlow ML.Net API，您必須先在 TensorFlow Redist 程式庫上新增 NuGet 相依性。 您目前可以使用兩個版本。 一個是針對 GPU 支援進行編譯，另一個只支援 CPU。

僅限 CPU

目前支援以 CPU 為基礎的 TensorFlow：

• Linux
• MacOS
• Windows

若要讓 TensorFlow 只在 CPU 上運作，只需要在 SciSharp.TensorFlow.Redist v1.14.0 上取得 NuGet 相依性

GPU 支援

目前支援以 GPU 為基礎的 TensorFlow：

• Windows
• Linux 自現在起，TensorFlow 不支援在 MacOS 的 GPU 上執行，因此我們目前不支援此功能。

先決條件

您必須至少有一個 CUDA 相容的 GPU，才能取得相容的 GPU 清單，請參閱 Nvidia 的指南。

安裝 CUDA v10.1 和 CUDNN v7.6.4。

請確定您安裝 CUDA v10.1，而不是任何其他較新版本。 下載 CUDNN v7.6.4 .zip 檔案並解壓縮之後，您需要執行下列步驟：

copy <CUDNN_zip_files_path>\cuda\bin\cudnn64_7.dll to <YOUR_DRIVE>\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

針對 C/C++ 開發：

Copy <CUDNN_zip_files_path>\cuda\ include\cudnn.h to <YOUR_DRIVE>\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include

Copy <CUDNN_zip_files_path>\cuda\lib\x64\cudnn.lib to <YOUR_DRIVE>\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64

如需 cuDNN 的進一步詳細資料，您可以遵循 cuDNN 安裝指南。

使用方式

若要使用 TensorFlow 搭配 GPU 支援，請根據您的作業系統，對下列套件採用 NuGet 相依性：

• Windows - > SciSharp.TensorFlow.Redist-Windows-GPU
• Linux - > SciSharp.TensorFlow.Redist-Linux-GPU

不需要修改任何程式碼，即可利用 GPU 進行 TensorFlow 作業。

疑難排解

如果您在新增 GPU 型 TensorFlow NuGet 之後無法使用 GPU，請確定只相依于 GPU 型版本。 如果您相依于這兩個 NuGet，則會改為執行以 CPU 為基礎的 TensorFlow。

定型演算法詳細資料

利用 Resnet50 等現有預先定型的模型來定型深度神經網路 (DNN) ，以便分類影像。 這項技術受到TensorFlow 重新定型影像分類教學課程的啟發

欄位

FeatureColumn	定型器預期的功能資料行。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	定型器預期的標籤資料行。 可以是 null ，表示標籤不會用於定型。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	定型器預期的加權資料行。 可以是 null ，表示加權不會用於定型。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)

屬性

Info	根據定型人員的功能和需求，輔助資訊。

方法

Fit(IDataView)	定型並傳 ITransformer 回 。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, IDataView)	ImageClassificationTrainer使用定型和驗證資料來定型 ， 會 ImageClassificationModelParameters 傳回 。
GetOutputSchema(SchemaShape)	用來 IEstimator<TTransformer> 定型深度神經網路的 (DNN) 來分類影像。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)

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，先有快取檢查點會很有説明。
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	指定估算器時，傳回包裝物件，一旦 Fit(IDataView) 呼叫委派即可。 估算器通常務必傳回符合專案的相關資訊，這就是 Fit(IDataView) 方法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建置估算器的鏈結，而我們想要取得轉換器的估算器 EstimatorChain<TLastTransformer> 會在此鏈結的某處放置。 在該案例中，我們可以透過這個方法附加呼叫一次會呼叫的委派。