ImageResizingEstimator Klasse
Definition
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.
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)- Vererbung
Hinweise
Schätzeigenschaften
| Muss dieser Schätzer die Daten untersuchen, um seine Parameter zu trainieren? | No |
| Eingabespaltendatentyp | MLImage |
| Ausgabespaltendatentyp | MLImage |
| Erforderliches NuGet zusätzlich zu Microsoft.ML | Microsoft.ML.ImageAnalytics |
| Exportierbar in ONNX | No |
Das Ergebnis ImageResizingTransformer erstellt eine neue Spalte, die gemäß den Parametern für die Ausgabespaltennamen angegeben ist, und ändert die Größe der Daten aus der Eingabespalte in diese neue Spalte.
In Bildverarbeitungspipelinen nutzen machine Learning-Praktiker häufig vortrainierte DNN-Featurizer , um Features für die Verwendung in den Machine Learning-Algorithmen zu extrahieren. Diese vortrainierten Modelle verfügen über eine definierte Breite und Höhe für ihre Eingabebilder, sodass die Bilder nach dem Laden häufig vor der weiteren Verarbeitung geändert werden müssen. Die End-to-End-Bildverarbeitungspipeline und Szenarien in Ihren Anwendungen finden Sie in den Beispielen im GitHub-Repository machinelearning-Samples.
Im Abschnitt "Siehe auch" finden Sie Links zu Verwendungsbeispielen.
Methoden
| Name | Beschreibung |
|---|---|
| Fit(IDataView) |
IEstimator<TTransformer> für die ImageResizingTransformer. (Geerbt von TrivialEstimator<TTransformer>) |
| GetOutputSchema(SchemaShape) |
Gibt das SchemaShape Schema zurück, das vom Transformator erzeugt wird. Wird für die Schemaverteilung und Überprüfung in einer Pipeline verwendet. |
Erweiterungsmethoden
| Name | Beschreibung |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Fügen Sie einen "Zwischenspeicherungsprüfpunkt" an die Schätzkette an. Dadurch wird sichergestellt, dass die nachgeschalteten Schätzer anhand zwischengespeicherter Daten trainiert werden. Es ist hilfreich, einen Zwischenspeicherprüfpunkt vor Trainern zu haben, die mehrere Datendurchläufe übernehmen. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Geben Sie bei einer Schätzung ein Wrapping-Objekt zurück, das eine Stellvertretung aufruft, sobald Fit(IDataView) sie aufgerufen wird. Es ist häufig wichtig, dass ein Schätzer Informationen zu dem, was passt, zurückgeben, weshalb die Fit(IDataView) Methode ein speziell typiertes Objekt und nicht nur ein allgemeines ITransformerObjekt zurückgibt. IEstimator<TTransformer> Gleichzeitig werden jedoch oft in Pipelines mit vielen Objekten gebildet, daher müssen wir möglicherweise eine Kette von Schätzern bauen, über EstimatorChain<TLastTransformer> die der Schätzer, für den wir den Transformator erhalten wollen, irgendwo in dieser Kette begraben wird. Für dieses Szenario können wir über diese Methode einen Delegat anfügen, der aufgerufen wird, sobald "Fit" aufgerufen wird. |