Image classification training convert to onnx file format
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- csharp
- Área
- machine-learning
Línea de trabajo
Comienza con el ejemplo de clasificación de imágenes en C# y el punto de entrada ConvertToOnnx; después, reproduce la excepción usando la canalización mostrada en el issue. Determina qué etapas se pueden representar en ONNX y acuerda el comportamiento previsto de mejor esfuerzo; la tarea está terminada cuando la ruta de conversión compatible o la capacidad solicitada están definidas y demostradas para este ejemplo.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
I've been doing experiments with the C# image classification examples, and I've been struggling trying to modify the sample to save an ONNX file without success, since it gives me the usual "The targeted pipeline can not be fully converted into a well-defined ONNX model" exception.
So which would be the steps required to be able to save an onnx file?
I am aware some pipeline might contain ML transformers that are not available in ONNX, but maybe the ConvertToOnnx method could have a "best effort" option that would automatically convert what can be converted.
In other words, I would like to save the raw ONNX model that's in between the transformers that cannot be converted to ONNX.
var trainTestSplit = _mlContext.Data.TrainTestSplit(data, testFraction: 0.2);
var trainData = trainTestSplit.TrainSet;
var testData = trainTestSplit.TestSet;
var pipeline = _mlContext.Transforms.Conversion.MapValueToKey(
outputColumnName: "LabelKey",
inputColumnName: "Label")
.Append(_mlContext.Transforms.LoadRawImageBytes(
outputColumnName: "Image",
imageFolder: null,
inputColumnName: "ImagePath"))
.Append(_mlContext.MulticlassClassification.Trainers.ImageClassification(
new ImageClassificationTrainer.Options()
{
LabelColumnName = "LabelKey",
FeatureColumnName = "Image",
Arch = ImageClassificationTrainer.Architecture.InceptionV3,
Epoch = _settings.Epochs,
BatchSize = _settings.BatchSize,
LearningRate = 0.001f,
MetricsCallback = (metrics) => _logger.LogInformation($"Epoch: {metrics.Train?.Epoch}, Top1Accuracy: {metrics.Train?.Accuracy}")
}))
.Append(_mlContext.Transforms.Conversion.MapKeyToValue(
outputColumnName: "PredictedLabel",
inputColumnName: "PredictedLabel"));
- Lenguaje dominante
- PowerShell
- Estrellas
- 4.7k
- Forks
- 2.7k
- Merge medio
- 2 d 22 h
- PR fusionados (30 d)
- 1
Preparar el entorno
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de dotnet/machinelearning-samples
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 85/100
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 68/100
-
Dificultad 4/5 3-5 días Aptitud para principiantes 20/100
dotnet/machinelearning-samples#1044 · 1 comentario ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 15/100
dotnet/machinelearning-samples#1043 · 1 comentario ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
dotnet/machinelearning-samples#1042 · 1 reacción ·
Todos los issues de dotnet/machinelearning-samples
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 88/100
jingyaogong/minimind#880 ·
Los mantenedores suelen responder en 1 día
-
Qwen3_5MoeModel no longer returns router_logits, breaking aux loss with output_router_logits=TrueAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
huggingface/transformers#49172 ·
Los mantenedores suelen responder en 1 día
-
[Bug]: MRV2 prepare_inputs signature is incompatible with updated vLLM num_active_loras argumentAbiertobug
Dificultad 2/5 1-3 horas Aptitud para principiantes 84/100
vllm-project/vllm-ascend#17710 ·
Los mantenedores suelen responder en 1 día
-
bug good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 90/100
selimfirat/pysad#209 ·
Los mantenedores suelen responder en 1 día
-
backend::vllm diffusion multimodal
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
Los mantenedores suelen responder en 1 día