ImageEstimatorsCatalog.LoadImages 메서드
정의
중요
일부 정보는 릴리스되기 전에 상당 부분 수정될 수 있는 시험판 제품과 관련이 있습니다. Microsoft는 여기에 제공된 정보에 대해 어떠한 명시적이거나 묵시적인 보증도 하지 않습니다.
ImageLoadingEstimator에 지정된 inputColumnName 열의 데이터를 이미지로 새 열outputColumnName로 로드하는 를 만듭니다.
public static Microsoft.ML.Data.ImageLoadingEstimator LoadImages (this Microsoft.ML.TransformsCatalog catalog, string outputColumnName, string imageFolder, string inputColumnName = default);static member LoadImages : Microsoft.ML.TransformsCatalog * string * string * string -> Microsoft.ML.Data.ImageLoadingEstimator<Extension()>
Public Function LoadImages (catalog As TransformsCatalog, outputColumnName As String, imageFolder As String, Optional inputColumnName As String = Nothing) As ImageLoadingEstimator매개 변수
- catalog
- TransformsCatalog
변환의 카탈로그입니다.
- imageFolder
- String
이미지를 찾을 폴더입니다.
- inputColumnName
- String
로드할 이미지의 경로가 있는 열의 이름입니다. 이 예측 도구는 텍스트 데이터에 대해 작동합니다.
반환
예제
using System;
using System.IO;
using Microsoft.ML;
using Microsoft.ML.Data;
namespace Samples.Dynamic
{
public static class LoadImages
{
// Loads the images of the imagesFolder into an IDataView.
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();
// Downloading a few images, and an images.tsv file, which contains a
// list of the files from the dotnet/machinelearning/test/data/images/.
// If you inspect the fileSystem, after running this line, an "images"
// folder will be created, containing 4 images, and a .tsv file
// enumerating the images.
var imagesDataFile = Microsoft.ML.SamplesUtils.DatasetUtils
.GetSampleImages();
// Preview of the content of the images.tsv file
//
// imagePath imageType
// tomato.bmp tomato
// banana.jpg banana
// hotdog.jpg hotdog
// tomato.jpg tomato
var data = mlContext.Data.CreateTextLoader(new TextLoader.Options()
{
Columns = new[]
{
new TextLoader.Column("ImagePath", DataKind.String, 0),
new TextLoader.Column("Name", DataKind.String, 1),
}
}).Load(imagesDataFile);
var imagesFolder = Path.GetDirectoryName(imagesDataFile);
// Image loading pipeline.
var pipeline = mlContext.Transforms.LoadImages("ImageObject",
imagesFolder, "ImagePath");
var transformedData = pipeline.Fit(data).Transform(data);
PrintColumns(transformedData);
// Preview the transformedData.
// ImagePath Name ImageObject
// tomato.bmp tomato {Width=800, Height=534}
// banana.jpg banana {Width=800, Height=288}
// hotdog.jpg hotdog {Width=800, Height=391}
// tomato.jpg tomato {Width=800, Height=534}
}
private static void PrintColumns(IDataView transformedData)
{
// The transformedData IDataView contains the loaded images now.
Console.WriteLine("{0, -25} {1, -25} {2, -25}", "ImagePath", "Name",
"ImageObject");
using (var cursor = transformedData.GetRowCursor(transformedData
.Schema))
{
// Note that it is best to get the getters and values *before*
// iteration, so as to facilitate buffer sharing (if applicable),
// and column-type validation once, rather than many times.
ReadOnlyMemory<char> imagePath = default;
ReadOnlyMemory<char> name = default;
MLImage imageObject = null;
var imagePathGetter = cursor.GetGetter<ReadOnlyMemory<char>>(cursor
.Schema["ImagePath"]);
var nameGetter = cursor.GetGetter<ReadOnlyMemory<char>>(cursor
.Schema["Name"]);
var imageObjectGetter = cursor.GetGetter<MLImage>(cursor.Schema[
"ImageObject"]);
while (cursor.MoveNext())
{
imagePathGetter(ref imagePath);
nameGetter(ref name);
imageObjectGetter(ref imageObject);
Console.WriteLine("{0, -25} {1, -25} {2, -25}",
imagePath, name,
$"Width={imageObject.Width}, Height={imageObject.Height}");
}
// Dispose the image.
imageObject.Dispose();
}
}
}
}