Partager via

ModelOperationsCatalog.Load Méthode

  • Référence

Définition

Espace de noms:
Microsoft.ML
Assembly:
Microsoft.ML.Data.dll
Paquet:
Microsoft.ML v3.0.1
Paquet:
Microsoft.ML v1.0.0
Paquet:
Microsoft.ML v1.1.0
Paquet:
Microsoft.ML v1.2.0
Paquet:
Microsoft.ML v1.3.1
Paquet:
Microsoft.ML v1.4.0
Paquet:
Microsoft.ML v1.5.5
Paquet:
Microsoft.ML v1.6.0
Paquet:
Microsoft.ML v1.7.0
Paquet:
Microsoft.ML v2.0.0

Surcharges

Load(Stream, DataViewSchema)

Chargez le modèle et son schéma d’entrée à partir d’un flux.
Load(String, DataViewSchema)

Chargez le modèle et son schéma d’entrée à partir d’un fichier.

Load(Stream, DataViewSchema)

Chargez le modèle et son schéma d’entrée à partir d’un flux.

public Microsoft.ML.ITransformer Load (System.IO.Stream stream, out Microsoft.ML.DataViewSchema inputSchema);
member this.Load : System.IO.Stream * DataViewSchema -> Microsoft.ML.ITransformer
Public Function Load (stream As Stream, ByRef inputSchema As DataViewSchema) As ITransformer

Paramètres

stream
Stream

Flux lisible et recherché à partir duquel charger.

inputSchema
DataViewSchema

Contient le schéma d’entrée du modèle. Si le modèle a été enregistré sans description de l’entrée, il n’y aura aucun schéma d’entrée. Dans ce cas, cela peut être null.

Retours

ITransformer

Modèle chargé.

Exemples

using System;
using System.Collections.Generic;
using System.IO;
using Microsoft.ML;

namespace Samples.Dynamic.ModelOperations
{
    public class SaveLoadModel
    {
        public static void Example()
        {
            // Create a new ML context, for ML.NET operations. It can be used for
            // exception tracking and logging, as well as the source of randomness.
            var mlContext = new MLContext();

            // Generate sample data.
            var data = new List<Data>()
            {
                new Data() { Value="abc" }
            };

            // Convert data to IDataView.
            var dataView = mlContext.Data.LoadFromEnumerable(data);
            var inputColumnName = nameof(Data.Value);
            var outputColumnName = nameof(Transformation.Key);

            // Transform.
            ITransformer model = mlContext.Transforms.Conversion
                .MapValueToKey(outputColumnName, inputColumnName).Fit(dataView);

            // Save model.
            mlContext.Model.Save(model, dataView.Schema, "model.zip");

            // Load model.
            using (var file = File.OpenRead("model.zip"))
                model = mlContext.Model.Load(file, out DataViewSchema schema);

            // Create a prediction engine from the model for feeding new data.
            var engine = mlContext.Model
                .CreatePredictionEngine<Data, Transformation>(model);

            var transformation = engine.Predict(new Data() { Value = "abc" });

            // Print transformation to console.
            Console.WriteLine("Value: {0}\t Key:{1}", transformation.Value,
                transformation.Key);

            // Value: abc       Key:1

        }

        private class Data
        {
            public string Value { get; set; }
        }

        private class Transformation
        {
            public string Value { get; set; }
            public uint Key { get; set; }
        }
    }
}

S’applique à

Load(String, DataViewSchema)

Chargez le modèle et son schéma d’entrée à partir d’un fichier.

public Microsoft.ML.ITransformer Load (string filePath, out Microsoft.ML.DataViewSchema inputSchema);
member this.Load : string * DataViewSchema -> Microsoft.ML.ITransformer
Public Function Load (filePath As String, ByRef inputSchema As DataViewSchema) As ITransformer

Paramètres

filePath
String

Chemin d’accès à un fichier à partir duquel le modèle doit être lu.

inputSchema
DataViewSchema

Contient le schéma d’entrée du modèle. Si le modèle a été enregistré sans description de l’entrée, il n’y aura aucun schéma d’entrée. Dans ce cas, cela peut être null.

Retours

ITransformer

Modèle chargé.

Exemples

using System;
using System.Collections.Generic;
using System.IO;
using Microsoft.ML;

namespace Samples.Dynamic.ModelOperations
{
    public class SaveLoadModelFile
    {
        public static void Example()
        {
            // Create a new ML context, for ML.NET operations. It can be used for
            // exception tracking and logging, as well as the source of randomness.
            var mlContext = new MLContext();

            // Generate sample data.
            var data = new List<Data>()
            {
                new Data() { Value="abc" }
            };

            // Convert data to IDataView.
            var dataView = mlContext.Data.LoadFromEnumerable(data);
            var inputColumnName = nameof(Data.Value);
            var outputColumnName = nameof(Transformation.Key);

            // Transform.
            ITransformer model = mlContext.Transforms.Conversion
                .MapValueToKey(outputColumnName, inputColumnName).Fit(dataView);

            // Save model.
            mlContext.Model.Save(model, dataView.Schema, "model.zip");

            // Load model.
            model = mlContext.Model.Load("model.zip", out DataViewSchema schema);

            // Create a prediction engine from the model for feeding new data.
            var engine = mlContext.Model
                .CreatePredictionEngine<Data, Transformation>(model);

            var transformation = engine.Predict(new Data() { Value = "abc" });

            // Print transformation to console.
            Console.WriteLine("Value: {0}\t Key:{1}", transformation.Value,
                transformation.Key);

            // Value: abc       Key:1

        }

        private class Data
        {
            public string Value { get; set; }
        }

        private class Transformation
        {
            public string Value { get; set; }
            public uint Key { get; set; }
        }
    }
}

S’applique à