TensorflowCatalog クラス
定義
重要
一部の情報は、リリース前に大きく変更される可能性があるプレリリースされた製品に関するものです。 Microsoft は、ここに記載されている情報について、明示または黙示を問わず、一切保証しません。
TensorFlowTransformerは、次の 2 つのシナリオで使用されます。
- 事前トレーニング済みの TensorFlow モデルを使用したスコアリング: このモードでは、変換は事前トレーニング済みの Tensorflow モデルから非表示レイヤーの値を抽出し、出力を ML.Net パイプラインの特徴として使用します。
- TensorFlow モデルの再トレーニング: このモードでは、変換は、パイプラインを介して渡されたユーザー データを使用して TensorFlow モデル ML.Net 再トレーニングします。 モデルがトレーニングされると、その出力をスコアリングの特徴として使用できます。
public static class TensorflowCatalogtype TensorflowCatalog = classPublic Module TensorflowCatalog- 継承
-
TensorflowCatalog
注釈
TensorFlowTransform は、事前トレーニング済みの Tensorflow モデルを使用して、指定された出力を抽出します。 必要に応じて、ユーザー データの TensorFlow モデルをさらに再トレーニングして、ユーザー データのモデル パラメーターを調整できます ("Transfer Learning" とも呼ばれます)。
スコアリングの場合、変換は、事前トレーニング済みの Tensorflow モデル、入力ノードの名前、および抽出する値を持つ出力ノードの名前を入力として受け取ります。 再トレーニングの場合、変換には、TensorFlow グラフの最適化操作の名前、グラフ内の学習率操作の名前、その値、損失とパフォーマンス メトリックを計算するためのグラフ内の操作の名前など、トレーニング関連のパラメーターも必要です。
この変換では、Microsoft.ML.TensorFlow nuget をインストールする必要があります。 TensorFlowTransform には、入力、出力、データの処理、再トレーニングに関する次の前提条件があります。
- 入力モデルの場合、現在、TensorFlowTransform では 、固定モデル 形式と SavedModel 形式の両方がサポートされています。 ただし、モデルの再トレーニングは 、SavedModel 形式でのみ可能です。 現在、チェックポイント 形式は、スコアリングと再トレーニングのどちらもサポートされていません。これは、読み込みに対する TensorFlow C-API のサポートがないためです。
- 変換では、一度に 1 つの例のみをスコアリングできます。 ただし、再トレーニングはバッチで実行できます。
- TensorFlow C-API を使用したモデル内でのネットワーク/グラフ操作のサポートがないため、高度な転送学習/微調整シナリオ (ネットワークへのレイヤーの追加、入力の形状の変更、再トレーニングプロセス中に更新する必要のないレイヤーの凍結など) は現在不可能です。
- 入力列の名前は、TensorFlow モデルの入力の名前と一致する必要があります。
- 各出力列の名前は、TensorFlow グラフ内のいずれかの操作と一致する必要があります。
- 現在、double、float、long、int、short、sbyte、ulong、uint、ushort、byte、bool は、入力/出力で許容されるデータ型です。
- 成功すると、変換によって、指定された各出力列に対応する新しい列 IDataView が導入されます。
TensorFlow モデルの入力と出力は、 GetModelSchema() または summarize_graph ツールを使用して取得できます。
メソッド
| 名前 | 説明 |
|---|---|
| LoadTensorFlowModel(ModelOperationsCatalog, String, Boolean) |
TensorFlow モデルをメモリに読み込みます。 これは、モデルを 1 回読み込んでから、それを使用してスキーマのクエリを実行し、ScoreTensorFlowModel(String, String, Boolean)を使用してTensorFlowEstimatorを作成できるようにする便利なメソッドです。 この API を使用するには、TensorFlow redist に対する追加の NuGet 依存関係が必要です。詳細については、リンクされたドキュメントを参照してください。 TensorFlowModel また、Dispose() を明示的に呼び出して解放するか、"using" 構文で変数を宣言して暗黙的に解放する必要があるアンマネージ リソースへの参照も保持します。> <format type="text/markdown"> [!include[io](~/../docs/samples/docs/api-reference/tensorflow-usage.md)] </format> |
| LoadTensorFlowModel(ModelOperationsCatalog, String) |
TensorFlow モデルをメモリに読み込みます。 これは、モデルを 1 回読み込んでから、それを使用してスキーマのクエリを実行し、ScoreTensorFlowModel(String, String, Boolean)を使用してTensorFlowEstimatorを作成できるようにする便利なメソッドです。 この API を使用するには、TensorFlow redist に対する追加の NuGet 依存関係が必要です。詳細については、リンクされたドキュメントを参照してください。 TensorFlowModel また、Dispose() を明示的に呼び出して解放するか、"using" 構文で変数を宣言して暗黙的に解放する必要があるアンマネージ リソースへの参照も保持します。> <format type="text/markdown"> [!include[io](~/../docs/samples/docs/api-reference/tensorflow-usage.md)] </format> |