Microsoft.ML Przestrzeń nazw

Jest to metoda rozszerzenia, która ma być używana z DnnImageFeaturizerEstimator elementem w celu użycia wstępnie wytrenowanego modelu AlexNet. Pakiet NuGet zawierający to rozszerzenie ma również gwarancję dołączenia pliku modelu binarnego.

Klasa używana przez MLContext program do tworzenia wystąpień składników wykrywania anomalii, takich jak trenerzy i ewaluatorzy.

Klasa używana przez MLContext program do tworzenia wystąpień trenerów wykrywania anomalii.

Klasa używana przez MLContext program do tworzenia wystąpień binarnych składników klasyfikacji, takich jak trenerzy i kalibratory.

Klasa używana przez MLContext program do tworzenia wystąpień binarnych trenerów klasyfikacji.

Klasa używana przez MLContext program do tworzenia wystąpień binarnych kalibratorów klasyfikacji.

Kolekcja metod rozszerzenia do DataOperationsCatalog tworzenia wystąpień składników do zapisywania i odczytywania IDataView obiektów do i z formatu binarnego o wysokiej wydajności.

Kolekcja metod rozszerzeń do TransformsCatalog.CategoricalTransforms tworzenia składników transformatora podzielonego na kategorie.

Klasa używana przez MLContext program do tworzenia wystąpień składników klastrowania, takich jak trenerzy.

Klasa używana przez MLContext program do tworzenia wystąpień trenerów klastrowania.

Kolekcja metod rozszerzenia do TransformsCatalog tworzenia wystąpień klucza do składników przekształcania wektorów binarnych

Kolekcja metod rozszerzenia do TransformsCatalog tworzenia wystąpień konwersji danych i mapowania składników przekształcania.

Klasa zawierająca metodę rozszerzenia umożliwiającą TransformsCatalog tworzenie wystąpień składników przekształcania mapowania wierszy zdefiniowanych przez użytkownika.

Kolekcja metod rozszerzenia do DataOperationsCatalog odczytu z baz danych.

Klasa używana do ładowania danych z co najmniej jednego pliku.

Klasa używana do tworzenia składników, które działają na danych, ale nie są częścią potoku trenowania modelu. Obejmuje składniki do ładowania, zapisywania, zapisywania, pamięci podręcznej, filtrowania, mieszania i dzielenia danych.

Logiczny wiersz danych. Może być wierszem IDataView wiersza autonomicznego lub autonomicznego.

Klasa używana do kursora przez wiersze elementu IDataView.

Reprezentuje schemat obiektu IDataView lub .DataViewRow Schemat jest kolekcją .DataViewSchema.Column

Adnotacje schematu jednego DataViewSchema.Columnelementu .

Klasa zawierająca operacje do skompilowania elementu DataViewSchema.Annotations.

Klasa zawierająca operacje do skompilowania obiektu DataViewSchema.

Klasa używana do tworzenia wystąpień obiektów w wersji zapoznawczej na potrzeby debugowania. Uwaga: ta klasa i wszystkie metody powinny być używane tylko do debugowania, a nie w kodzie produkcyjnym.

Kolekcja metod rozszerzenia do TransformsCatalog tworzenia wystąpień składników objaśnienia modelu.

Główna przestrzeń nazw dla ML.NET. Zawiera konteksty aplikacji i operacji, wykazy przekształcania i trenera oraz składniki przetwarzania widoku danych.

Typ atrybutu podstawowego dla wszystkich atrybutów używanych do celów rozszerzalności.

Kolekcja metod rozszerzenia do TransformsCatalog tworzenia wystąpień brakujących składników przekształcania wartości.

Kolekcja metod rozszerzeń dla klasy BinaryClassificationCatalog , aby utworzyć wystąpienia składników trenera faktoryzacji rozpoznawania pól.

Kolekcja metod rozszerzenia do TransformsCatalog tworzenia wystąpień składników przekształcania wyboru funkcji.

Klasa używana przez MLContext program do tworzenia wystąpień składników prognozowania.

Klasa używana przez MLContext program do tworzenia wystąpień trenerów prognozowania.

Główna przestrzeń nazw dla ML.NET. Zawiera konteksty aplikacji i operacji, wykazy przekształcania i trenera oraz składniki przetwarzania widoku danych.

Kolekcja metod rozszerzenia do TransformsCatalog tworzenia wystąpień składników przekształcania przetwarzania obrazów.

Określa nazwy kolumn wejściowych i wyjściowych dla składników przekształcania, które działają na wielu kolumnach.

Kolekcja metod rozszerzenia do TransformsCatalog tworzenia wystąpień składników przekształcania cech metody jądra.

Kolekcja metod rozszerzenia do ClusteringCatalog.ClusteringTrainers tworzenia wystąpień trenerów KMeans.

Metody rozszerzeń, które umożliwiają łączenie łańcuchów potoków narzędzia do szacowania i transformatora.

Kolekcja metod rozszerzeń dla RegressionCatalog.RegressionTrainerskatalogów , BinaryClassificationCatalog.BinaryClassificationTrainers, RankingCatalog.RankingTrainersi MulticlassClassificationCatalog.MulticlassClassificationTrainers .

Udostępnia dane dla zdarzenia Log.

Kolekcja metod rozszerzeń dla RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainersi TransformsCatalog do tworzenia mKL (biblioteki jądra matematycznego) trenera i przekształcania składników.

Wspólny kontekst dla wszystkich operacji ML.NET. Po utworzeniu wystąpienia przez użytkownika zapewnia on sposób tworzenia składników na potrzeby przygotowywania danych, inżynierii cech, szkolenia, przewidywania i oceny modelu. Umożliwia również rejestrowanie, kontrolę wykonywania i możliwość ustawiania powtarzalnych liczb losowych.

Klasa używana przez MLContext program do zapisywania i ładowania wytrenowanych modeli.

Obiekt kontekstu wygody do zapisywania modeli w repozytorium dla implementatorów programu ICanSaveModel.

Klasa używana przez MLContext program do tworzenia wystąpień składników klasyfikacji wieloklasowej, takich jak trenerzy.

Klasa używana przez MLContext program do tworzenia wystąpień wieloklasowych trenerów klasyfikacji.

Kolekcja metod rozszerzenia do TransformsCatalog tworzenia wystąpień składników normalizacji liczbowej.

Główna przestrzeń nazw dla ML.NET. Zawiera konteksty aplikacji i operacji, wykazy przekształcania i trenera oraz składniki przetwarzania widoku danych.

Główna przestrzeń nazw dla ML.NET. Zawiera konteksty aplikacji i operacji, wykazy przekształcania i trenera oraz składniki przetwarzania widoku danych.

Kolekcja metod rozszerzeń używanych przez AnomalyDetectionCatalog.AnomalyDetectionTrainerskatalogi i TransformsCatalog do tworzenia wystąpień składników analizy głównych składników (PCA).

Kolekcja metod rozszerzeń używanych przez RegressionCatalog, BinaryClassificationCatalog, MulticlassClassificationCatalogi RankingCatalog do tworzenia wystąpień składników ważności funkcji permutacji.

Klasa do tworzenia pojedynczych przewidywań dla wcześniej wytrenowanego modelu (i poprzedniego potoku przekształcania).

Klasa bazowa do tworzenia pojedynczych przewidywań na wcześniej wytrenowanym modelu (i poprzedniego potoku przekształcania).

Opcje dla PredictionEngine<TSrc,TDst>

Klasa używana przez MLContext program do tworzenia wystąpień składników klasyfikacji, takich jak trenerzy i ewaluatorzy.

Klasa używana przez MLContext program do tworzenia wystąpień trenerów klasyfikacji.

Centralny wykaz dla trenerów rekomendacji i zadań.

Główna przestrzeń nazw dla ML.NET. Zawiera konteksty aplikacji i operacji, wykazy przekształcania i trenera oraz składniki przetwarzania widoku danych.

Główna przestrzeń nazw dla ML.NET. Zawiera konteksty aplikacji i operacji, wykazy przekształcania i trenera oraz składniki przetwarzania widoku danych.

Klasa używana przez MLContext program do tworzenia wystąpień składników regresji, takich jak trenerzy i ewaluatorzy.

Klasa używana przez MLContext program do tworzenia wystąpień trenerów regresji.

Jest to metoda rozszerzenia, która ma być używana z elementem DnnImageFeaturizerEstimator w celu użycia wstępnie powściągliwy model ResNet101. Pakiet NuGet zawierający to rozszerzenie ma również gwarancję dołączenia pliku modelu binarnego.

Jest to metoda rozszerzenia, która ma być używana z DnnImageFeaturizerEstimator elementem w celu użycia wstępnie powściągliwy model ResNet18. Pakiet NuGet zawierający to rozszerzenie ma również gwarancję dołączenia pliku modelu binarnego.

Jest to metoda rozszerzenia, która ma być używana z elementem DnnImageFeaturizerEstimator w celu użycia wstępnie ograniczonego modelu ResNet50. Pakiet NuGet zawierający to rozszerzenie ma również gwarancję dołączenia pliku modelu binarnego.

Zestaw wymagań dla schematu przychodzącego, a także zestaw "obietnic" schematu wychodzącego. Jest to bardziej zrelaksowane niż właściwe DataViewSchema, ponieważ jest to tylko podzbiór kolumn, a także ponieważ nie określa dokładnych DataViewTypewartości dla wektorów i kluczy.

Kolekcja metod rozszerzeń dla RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainersi MulticlassClassificationCatalog.MulticlassClassificationTrainers do tworzenia wystąpień składników trenera.

Element TensorFlowTransformer jest używany w następujących dwóch scenariuszach.

1. Ocenianie przy użyciu wstępnie wytrenowanego modelu TensorFlow : w tym trybie transformacja wyodrębnia wartości ukrytych warstw z wstępnie wytrenowanego modelu Tensorflow i używa danych wyjściowych jako funkcji w potoku ML.Net.
2. Ponowne trenowanie modelu TensorFlow : w tym trybie przekształcenie ponownie szkoli model TensorFlow przy użyciu danych użytkownika przekazywanych przez potok ML.Net. Po wytrenowanym modelu dane wyjściowe mogą być używane jako funkcje do oceniania.

Kolekcja metod rozszerzeń dla klasy TransformsCatalog.

Kolekcja metod rozszerzenia do DataOperationsCatalog odczytu z rozdzielonych plików tekstowych, takich jak csv i tsv.

Główna przestrzeń nazw dla ML.NET. Zawiera konteksty aplikacji i operacji, wykazy przekształcania i trenera oraz składniki przetwarzania widoku danych.

Klasa bazowa dla katalogów trenerów.

Podklasy klasy Microsoft.ML.TrainContext będą dostarczać małe obiekty przyłączalne "metoda rozszerzenia" (na przykład coś takiego jak Trainers). Kod użytkownika będzie wchodzić w interakcje tylko z tymi obiektami, wywołując metody rozszerzenia. Rzeczywisty kod składnika może pracować, Microsoft.ML.Data.CatalogUtils aby uzyskać więcej "ukrytych" informacji z tego obiektu, na przykład środowiska.

Wyniki uruchamiania krzyżowego sprawdzania poprawności.

Cechy trenera. Uwidoczniony za pośrednictwem właściwości Info każdego trenera.

Kolekcja metod rozszerzenia do TransformsCatalog tworzenia wystąpień składników przekształcania, które manipulują kolumnami.

Klasa używana przez MLContext program do tworzenia wystąpień składników przekształcania.

Klasa używana przez MLContext program do tworzenia wystąpień składników przekształcania danych kategorii.

Klasa używana przez MLContext program do tworzenia wystąpień składników przekształcania danych konwersji typów.

Klasa używana przez MLContext program do tworzenia wystąpień składników przekształcania wyboru funkcji.

Klasa używana przez MLContext program do tworzenia wystąpień składników przekształcania danych tekstowych.

Kolekcja metod rozszerzeń używanych przez RegressionCatalogmetody , , BinaryClassificationCatalogMulticlassClassificationCatalog, RankingCatalogi TransformsCatalog do tworzenia wystąpień trenerów drzewa decyzyjnego i cechatorów.

Kolekcja metod rozszerzeń do MulticlassClassificationCatalog.MulticlassClassificationTrainers tworzenia wystąpień składników trenera klasy ImageClassification.

Para zestawów danych dla zestawu treningowego i testowego.

Ta klasa opisuje jedną kolumnę w określonym schemacie.

Ta klasa reprezentuje schemat jednej kolumny widoku danych bez załącznika do określonego DataViewSchemaelementu .

Główna przestrzeń nazw dla ML.NET. Zawiera konteksty aplikacji i operacji, wykazy przekształcania i trenera oraz składniki przetwarzania widoku danych.

Aby zapisać model w repozytorium. Implementowanie ICanSaveModel klas powinno wykonać jawną implementację elementu Save(ModelSaveContext). Klasy dziedziczone ICanSaveModel z klasy bazowej powinny zastąpić funkcję wywoływaną przez Save(ModelSaveContext) w tej klasie bazowej, jeśli istnieje.

Element "moduł ładujący dane" przyjmuje pewien rodzaj danych wejściowych i przekształca go w element IDataView.

Czasami musimy "dopasować" element IDataLoader<TSource>. Narzędzie do szacowania elementu DataLoader to obiekt, który go wykonuje.

Dane wejściowe i wyjściowe operatorów zapytań (Transforms). Jest to podstawowy typ potoku danych porównywalny z IEnumerable<T> typem LINQ.

Narzędzie do szacowania (w terminologii platformy Spark) jest "nieprzetrenowanym transformatorem". Musi "zmieścić się" na danych, aby wyprodukować transformator. Zapewnia również "propagację schematu", jak robią transformatory, ale SchemaShape zamiast DataViewSchema.

Interfejs dla wszystkich transformatorów, który może przekształcać dane na Microsoft.ML.IPredictor podstawie pola. Implementacje tego interfejsu nie mają kolumny funkcji lub mają więcej niż jedną kolumnę funkcji i nie mogą implementować ISingleFeaturePredictionTransformer<TModel>elementu , który większość ML.Net implementuje tranformator.

Element ISingleFeaturePredictionTransformer zawiera nazwę FeatureColumnName i jego typ . FeatureColumnType Implementacje tego interfejsu mają możliwość oceniania danych wejściowych IDataView za pośrednictwem elementu Transform(IDataView)

Transformator jest składnikiem, który przekształca dane. Obsługuje również "propagację schematu", aby odpowiedzieć na pytanie "jak dane z tym schematem będą wyglądać, po jego przekształceniu?".

Główna przestrzeń nazw dla ML.NET. Zawiera konteksty aplikacji i operacji, wykazy przekształcania i trenera oraz składniki przetwarzania widoku danych.

Typ delegata, aby uzyskać wartość. Może to służyć do wydajnego dostępu do danych w obiekcie DataViewRow lub DataViewRowCursor.