ImageGrayscalingEstimator Класс
Определение
Важно!
Некоторые сведения относятся к предварительной версии продукта, в которую до выпуска могут быть внесены существенные изменения. Майкрософт не предоставляет никаких гарантий, явных или подразумеваемых, относительно приведенных здесь сведений.
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
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. |