ImageGrayscalingEstimator 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 ImageGrayscalingEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.Image.ImageGrayscalingTransformer>type ImageGrayscalingEstimator = class
inherit TrivialEstimator<ImageGrayscalingTransformer>Public NotInheritable Class ImageGrayscalingEstimator
Inherits TrivialEstimator(Of ImageGrayscalingTransformer)- Vererbung
Hinweise
Stimatoreigenschaften
| Muss diese Schätzung die Daten untersuchen, um seine Parameter zu trainieren? | No |
| Eingabespaltendatentyp | MLImage |
| Ausgabespaltendatentyp | MLImage |
| Erforderliche NuGet zusätzlich zu Microsoft.ML | Microsoft.ML.ImageAnalytics |
| Exportierbar in ONNX | No |
ImageGrayscalingTransformer Dadurch wird eine neue Spalte erstellt, die in den Ausgabespaltennamenparametern angegeben ist und das Bild aus der Eingabespalte in ein Graustufenbild konvertiert. Die Bilder können in Graustufen konvertiert werden, um die Komplexität des Modells zu verringern. Die abgegrauten Bilder enthalten weniger Informationen, die verarbeitet werden sollen als die farbigen Bilder. Ein weiterer Einsatzfall für die Konvertierung in Graustufen besteht darin, neue Bilder aus den vorhandenen zu generieren, sodass Sie über ein größeres Dataset verfügen können, eine Technik, die als Datenerweiterung bezeichnet wird. Informationen zu End-to-End-Bildverarbeitungspipelinen und Szenarien in Ihren Anwendungen finden Sie in den Beispielen im github-Repository von MachineLearning-Beispielen.
Überprüfen Sie den Abschnitt "Siehe auch", um Links zu Verwendungsbeispielen zu finden.
Methoden
| Fit(IDataView) |
IEstimator<TTransformer> für die ImageGrayscalingTransformer. (Geerbt von TrivialEstimator<TTransformer>) |
| GetOutputSchema(SchemaShape) |
Gibt das SchemaShape Schema zurück, das vom Transformator erzeugt wird. Wird für die Schemavermehrung und Überprüfung in einer Pipeline verwendet. |
Erweiterungsmethoden
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Fügen Sie einen "Zwischenspeicherpunkt" an die Stimatorkette an. Dadurch wird sichergestellt, dass die nachgelagerten Stimatoren gegen zwischengespeicherte Daten trainiert werden. Es ist hilfreich, einen Cache-Prüfpunkt zu haben, bevor Trainer, die mehrere Daten übergeben. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Geben Sie aufgrund einer Schätzung ein Umbruchobjekt zurück, das einen Stellvertretung aufruft, sobald Fit(IDataView) er aufgerufen wird. Es ist oft wichtig, dass eine Schätzung Informationen zu dem zurückgibt, was passt, weshalb die Fit(IDataView) Methode ein spezifisches typiertes Objekt zurückgibt, anstatt nur ein allgemeines ITransformer. Gleichzeitig IEstimator<TTransformer> werden jedoch oft Pipelines mit vielen Objekten gebildet, sodass wir möglicherweise eine Kette von EstimatorChain<TLastTransformer> Schätzern erstellen müssen, über die der Schätzer, für den wir den Transformator erhalten möchten, irgendwo in dieser Kette begraben wird. Für dieses Szenario können wir über diese Methode eine Stellvertretung anfügen, die einmal aufgerufen wird, wenn die Anpassung aufgerufen wird. |