| On this page |
概要 ¶
このノードは、
ML Train Regressionを使用してトレーニングされたMLモデルを簡単に適用することができます。
ML Regression Inference SOPを使用するには、モデルファイルとそれぞれの入力寄与と出力寄与を指定する必要があります。
入力寄与と出力寄与には、どちらもPointアトリビュートまたはボリュームプリミティブを指定することができます。 入力寄与は、ML Example Output SOPのマルチパラメータで指定された入力寄与に合わせてください。 出力寄与は、ML Example Output SOPのマルチパラメータで指定されたターゲット寄与に合わせてください。 Pointアトリビュートやボリュームのタプルサイズと解像度は、ML Example Output SOPの入力に送信された値に合わせてください。
一般的な情報は機械学習のドキュメントを参照してください。
パラメータ ¶
Batch
Singleモードでは、単一入力が評価されます。 Multiple Packedモードでは、入力の各埋め込みジオメトリに対してモデルが評価され、その結果が呼応するパックプリミティブに格納されます。
Model File
ML Train Regression TOPを使用してトレーニングされたモデルファイル。
Reload Model
強制的に.onnxファイルをリロードします。
Execution Provider
推論に使用するONNX実行プロバイダを決定します。 デフォルトでは、このノードは、利用可能な最適なプロバイダを選択し、GPUアクセラレーションの使用を優先します。
Automatic
現在のシステムに最適なプロバイダを選択します。 このオプションは、CUDAがインストールされている場合はCUDAを優先し、プラットフォームに応じてDirectML/CoreMLをフォールバックとして使用し、GPUプロバイダが利用できない場合はCPU推論を実行します。
CPU
CPUを使用して推論を実行します。
CUDA
CUDA/cuDNNを使用して推論を実行します。 CUDAおよびcuDNNは、NVIDIAで用意されているパッケージを使用してインストールしなければなりません。
DirectML
Windowsでのみ利用可能です。 Windows Direct Machine Learningライブラリを使用して推論を実行します。
CoreML
MacOSでのみ利用可能です。 AppleのCore MLライブラリを使用して推論を実行します。
Number of Inputs ¶
Type
入力寄与のタイプ: Pointアトリビュートまたはボリューム。
Point Attribute
浮動小数点Pointアトリビュートの名前。
Volume Name
ボリュームの名前。
Volume Resolution
#id inputvolumeresolution# ボリュームの解像度。
Tuple Size
Pointアトリビュートまたはボリュームのタプルサイズ。
Number of Outputs ¶
Type
出力寄与のタイプ: Pointアトリビュートまたはボリューム。
Point Attribute
浮動小数点Pointアトリビュートの名前。
Volume Name
ボリュームの名前。
Volume Resolution
#id outputvolumeresolution# ボリュームの解像度。
Tuple Size
Pointアトリビュートまたはボリュームのタプルサイズ。
入力 ¶
Input Component
照会入力コンポーネント。
出力 ¶
Output Component
照会入力コンポーネントに対してMLモデルが予測した出力。
