ModelOperationsCatalog Klasse

Definition

Namespace:: Microsoft.ML

Assembly:: Microsoft.ML.Data.dll

Paket:: Microsoft.ML v4.0.1

Paket:: Microsoft.ML v1.0.0

Paket:: Microsoft.ML v1.1.0

Paket:: Microsoft.ML v1.2.0

Paket:: Microsoft.ML v1.3.1

Paket:: Microsoft.ML v1.4.0

Paket:: Microsoft.ML v1.5.5

Paket:: Microsoft.ML v1.6.0

Paket:: Microsoft.ML v1.7.0

Paket:: Microsoft.ML v2.0.1

Paket:: Microsoft.ML v3.0.1

Paket:: Microsoft.ML v5.0.0-preview.1.25125.4

Quelle:: ModelOperationsCatalog.cs

Quelle:: ModelOperationsCatalog.cs

Quelle:: ModelOperationsCatalog.cs

Wichtig

Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.

Klasse, die zum MLContext Speichern und Laden trainierter Modelle verwendet wird.

public sealed class ModelOperationsCatalog

type ModelOperationsCatalog = class

Public NotInheritable Class ModelOperationsCatalog

Vererbung: Object
ModelOperationsCatalog

Methoden

Name	Beschreibung
CreatePredictionEngine<TSrc,TDst>(ITransformer, Boolean, SchemaDefinition, SchemaDefinition)	Erstellen Sie ein Vorhersagemodul für einmalige Vorhersage (Standardverwendung).
CreatePredictionEngine<TSrc,TDst>(ITransformer, DataViewSchema)	Erstellen Sie ein Vorhersagemodul für einmalige Vorhersage. Es wird hauptsächlich in Verbindung mit Load(Stream, DataViewSchema)verwendet, wobei das Eingabeschema beim Laden des Modells extrahiert wird.
CreatePredictionEngine<TSrc,TDst>(ITransformer, PredictionEngineOptions)	Erstellen Sie ein Vorhersagemodul für einmalige Vorhersage. Es wird hauptsächlich in Verbindung mit Load(Stream, DataViewSchema)verwendet, wobei das Eingabeschema beim Laden des Modells extrahiert wird.
Load(Stream, DataViewSchema)	Laden Sie das Modell und das zugehörige Eingabeschema aus einem Datenstrom.
Load(String, DataViewSchema)	Laden Sie das Modell und das zugehörige Eingabeschema aus einer Datei.
LoadWithDataLoader(Stream, IDataLoader<IMultiStreamSource>)	Laden Sie ein Transformatormodell und ein Datenlademodell aus einem Datenstrom.
LoadWithDataLoader(String, IDataLoader<IMultiStreamSource>)	Laden Sie ein Transformatormodell und ein Datenlademodell aus einer Datei.
Save(ITransformer, DataViewSchema, Stream)	Speichern Sie ein Transformatormodell und das Schema der Daten, die zum Trainieren des Datenstroms verwendet wurden.
Save(ITransformer, DataViewSchema, String)	Speichern Sie ein Transformatormodell und das Schema der Daten, die zum Trainieren der Daten in die Datei verwendet wurden.
Save<TSource>(ITransformer, IDataLoader<TSource>, Stream)	Speichern Sie ein Transformatormodell und das Ladeprogramm, mit dem die Eingabedaten für den Datenstrom erstellt werden.
Save<TSource>(ITransformer, IDataLoader<TSource>, String)	Speichern Sie ein Transformatormodell und das Ladeprogramm, mit dem die Eingabedaten in der Datei erstellt werden.

Erweiterungsmethoden

Name	Beschreibung
ConvertToOnnx(ModelOperationsCatalog, ITransformer, IDataView, Int32, Stream)	Konvertieren Sie das angegebene ITransformer ONNX-Format und schreibt in einen Datenstrom.
ConvertToOnnx(ModelOperationsCatalog, ITransformer, IDataView, Stream, String[])	Konvertieren Sie das angegebene ITransformer ONNX-Format und schreibt in einen Datenstrom.
ConvertToOnnx(ModelOperationsCatalog, ITransformer, IDataView, Stream)	Konvertieren Sie das angegebene ITransformer ONNX-Format und schreibt in einen Datenstrom.
LoadTensorFlowModel(ModelOperationsCatalog, String, Boolean)	Laden Sie das TensorFlow-Modell in den Arbeitsspeicher. Dies ist die Komfortmethode, mit der das Modell einmal geladen und anschließend zum Abfragen von Schema und Erstellung der TensorFlowEstimator Verwendung ScoreTensorFlowModel(String, String, Boolean)verwendet werden kann. Für die Verwendung dieser API sind zusätzliche NuGet-Abhängigkeiten von TensorFlow-Redist erforderlich. Weitere Informationen finden Sie im verknüpften Dokument. TensorFlowModel enthält auch Verweise auf nicht verwaltete Ressourcen, die entweder mit einem expliziten Aufruf von Dispose() freigegeben werden müssen, oder implizit durch Deklarieren der Variablen mit der "using"-Syntax/> <format type="text/markdown"> [!include[io](~/.). /docs/samples/docs/api-reference/tensorflow-usage.md)] </format>
LoadTensorFlowModel(ModelOperationsCatalog, String)	Laden Sie das TensorFlow-Modell in den Arbeitsspeicher. Dies ist die Komfortmethode, mit der das Modell einmal geladen und anschließend zum Abfragen von Schema und Erstellung der TensorFlowEstimator Verwendung ScoreTensorFlowModel(String, String, Boolean)verwendet werden kann. Für die Verwendung dieser API sind zusätzliche NuGet-Abhängigkeiten von TensorFlow-Redist erforderlich. Weitere Informationen finden Sie im verknüpften Dokument. TensorFlowModel enthält auch Verweise auf nicht verwaltete Ressourcen, die entweder mit einem expliziten Aufruf von Dispose() freigegeben werden müssen, oder implizit durch Deklarieren der Variablen mit der "using"-Syntax/> <format type="text/markdown"> [!include[io](~/.). /docs/samples/docs/api-reference/tensorflow-usage.md)] </format>

Gilt für: