TorchSharpBaseTrainer<TLabelCol,TTargetsCol> Classe
Definição
Importante
Algumas informações se referem a produtos de pré-lançamento que podem ser substancialmente modificados antes do lançamento. A Microsoft não oferece garantias, expressas ou implícitas, das informações aqui fornecidas.
public abstract class TorchSharpBaseTrainer<TLabelCol,TTargetsCol> : Microsoft.ML.TorchSharp.TorchSharpBaseTrainertype TorchSharpBaseTrainer<'LabelCol, 'argetsCol> = class
inherit TorchSharpBaseTrainerPublic MustInherit Class TorchSharpBaseTrainer(Of TLabelCol, TTargetsCol)
Inherits TorchSharpBaseTrainerParâmetros de tipo
- TLabelCol
- TTargetsCol
- Herança
- Derivado
Métodos
| Nome | Description |
|---|---|
| Fit(IDataView) | |
| GetOutputSchema(SchemaShape) | (Herdado de TorchSharpBaseTrainer) |
Métodos de Extensão
| Nome | Description |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Acrescente um 'ponto de verificação de cache' à cadeia do avaliador. Isso garantirá que os avaliadores downstream serão treinados em relação aos dados armazenados em cache. É útil ter um ponto de verificação de cache antes dos treinadores que têm várias passagens de dados. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Dado um avaliador, retorne um objeto de encapsulamento que chamará um delegado uma vez Fit(IDataView) chamado. Geralmente, é importante que um avaliador retorne informações sobre o que estava em forma, e é por isso que o Fit(IDataView) método retorna um objeto especificamente tipado, em vez de apenas um geral ITransformer. No entanto, ao mesmo tempo, IEstimator<TTransformer> muitas vezes são formados em pipelines com muitos objetos, portanto, talvez seja necessário criar uma cadeia de avaliadores por meio EstimatorChain<TLastTransformer> de onde o avaliador para o qual queremos obter o transformador está enterrado em algum lugar nessa cadeia. Para esse cenário, podemos por meio desse método anexar um delegado que será chamado assim que o ajuste for chamado. |