Microsoft.ML.Transforms.Onnx Espace de noms

Applique un modèle de réseau neuronal profond (DNN) préentraîné pour caractérisation des données d’image d’entrée.

Classe d’assistance pour stocker toutes les entrées dans une méthode d’extension sur une DnnImageModelSelector chaîne de deux OnnxScoringEstimator.

Classe d’assistance pour la sélection d’un modèle de caractérisation d’image DNN préentraîné à utiliser dans le DnnImageFeaturizerEstimator.

Correspondant Type au type de carte d’ONNX dans IDataViewle système de type. En d’autres termes, si un modèle ONNX produit une carte, une colonne peut IDataView être typée sur OnnxMapType. Son type sous-jacent est IDictionary<TKey,TValue>, où le type générique « TKey » et « TValue » sont les arguments d’entrée de OnnxMapType(Type, Type).

Pour déclarer OnnxMapType une colonne en IDataView tant que champ dans un class, le champ associé doit être marqué avec OnnxMapTypeAttribute. Ses utilisations sont similaires à celles des VectorTypeAttribute autres classes dérivées de DataViewTypeAttribute.

Options d’un OnnxScoringEstimator.

IEstimator<TTransformer>pour la notation des modèles ONNX dans l’infrastructure ML.NET.

Correspondant Type au type de séquence d’ONNX dans IDataViewle système de type. En d’autres termes, si un modèle ONNX produit une séquence, une colonne peut IDataView être tapée sur OnnxSequenceType. Son type sous-jacent est IEnumerable<T>, où le type générique « T » est l’argument d’entrée de OnnxSequenceType(Type).

Pour déclarer OnnxSequenceType une colonne en IDataView tant que champ dans un class, le champ associé doit être marqué avec OnnxSequenceTypeAttribute. Ses utilisations sont similaires à celles des VectorTypeAttribute autres classes dérivées de DataViewTypeAttribute.

Espace de noms contenant les composants de chargement et de transformation du modèle ONNX .

Espace de noms contenant les composants de chargement et de transformation du modèle ONNX .

ITransformer résultant de l’ajustement d’un OnnxScoringEstimator. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Espace de noms contenant les composants de chargement et de transformation du modèle ONNX .