ImageResizingEstimator Třída
Definice
Důležité
Některé informace platí pro předběžně vydaný produkt, který se může zásadně změnit, než ho výrobce nebo autor vydá. Microsoft neposkytuje žádné záruky, výslovné ani předpokládané, týkající se zde uváděných informací.
public sealed class ImageResizingEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.Image.ImageResizingTransformer>type ImageResizingEstimator = class
inherit TrivialEstimator<ImageResizingTransformer>Public NotInheritable Class ImageResizingEstimator
Inherits TrivialEstimator(Of ImageResizingTransformer)- Dědičnost
Poznámky
Charakteristiky odhadu
| Potřebuje tento estimátor podívat se na data, aby se natrénovala jeho parametry? | No |
| Datový typ vstupního sloupce | MLImage |
| Datový typ výstupního sloupce | MLImage |
| Povinné nuGet kromě Microsoft.ML | Microsoft.ML.ImageAnalytics |
| Exportovatelný do ONNX | No |
Výsledek ImageResizingTransformer vytvoří nový sloupec s názvem zadaným v parametrech názvu výstupního sloupce a změní velikost dat ze vstupního sloupce na tento nový sloupec.
V kanálech zpracování obrázků často specialista strojového učení využívá předem natrénované DNN featurizátory k extrakci funkcí pro použití v algoritmech strojového učení. Tyto předem vytrénované modely mají definovanou šířku a výšku vstupních obrázků, takže často po načtení budou muset obrázky před dalším zpracováním změnit velikost. Kompletní kanály zpracování imagí a scénáře v aplikacích najdete v příkladech v úložišti githubu machinelearning-samples.
V části Viz také najdete odkazy na příklady použití.
Metody
| Fit(IDataView) |
IEstimator<TTransformer> ImageResizingTransformerpro . (Zděděno od TrivialEstimator<TTransformer>) |
| GetOutputSchema(SchemaShape) |
SchemaShape Vrátí schéma, které bude vytvořen transformátorem. Používá se k šíření a ověřování schématu v kanálu. |
Metody rozšíření
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Připojte k řetězci odhadu kontrolní bod ukládání do mezipaměti. Tím zajistíte, aby se podřízené estimátory natrénovaly na data uložená v mezipaměti. Před průchodem více dat je užitečné mít kontrolní bod ukládání do mezipaměti. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Pokud získáte odhadátor, vraťte obtékání objektu, který jednou zavolá delegáta Fit(IDataView) . Často je důležité, aby estimátor vrátil informace o tom, co bylo vhodné, což je důvod, proč Fit(IDataView) metoda vrací konkrétně zadaný objekt, a ne jen obecné ITransformer. Ve stejnou dobu se však často vytvářejí do kanálů s mnoha objekty, takže možná budeme muset vytvořit řetězec odhadovačů prostřednictvím EstimatorChain<TLastTransformer> toho, kde je odhadovač, IEstimator<TTransformer> pro který chceme získat transformátor, uložen někde v tomto řetězu. Pro tento scénář můžeme prostřednictvím této metody připojit delegáta, který bude volána po volání fit. |