TorchSharpCatalog.TextClassification Methode

Definition

Namespace:

Microsoft.ML.TorchSharp

Assembly:

Microsoft.ML.TorchSharp.dll

Paket:

Microsoft.ML.TorchSharp v0.23.0-preview.1.25125.4

Überlädt

Name	Beschreibung
TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, TextClassificationTrainer+TextClassificationOptions)	Optimieren Sie ein NAS-BERT-Modell für die NLP-Klassifizierung. Der Grenzwert für einen Satz beträgt 512 Token. Jedes Wort wird in der Regel einem einzelnen Token zugeordnet, und wir fügen automatisch zwei spekulische Token (ein Starttoken und ein Trennzeichen) hinzu, sodass dieser Grenzwert im Allgemeinen 510 Wörter für alle Sätze beträgt.
TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)	Optimieren Sie ein NAS-BERT-Modell für die NLP-Klassifizierung. Der Grenzwert für einen Satz beträgt 512 Token. Jedes Wort wird in der Regel einem einzelnen Token zugeordnet, und wir fügen automatisch zwei spekulische Token (ein Starttoken und ein Trennzeichen) hinzu, sodass dieser Grenzwert im Allgemeinen 510 Wörter für alle Sätze beträgt.

TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, TextClassificationTrainer+TextClassificationOptions)

Quelle:

TorchSharpCatalog.cs

Optimieren Sie ein NAS-BERT-Modell für die NLP-Klassifizierung. Der Grenzwert für einen Satz beträgt 512 Token. Jedes Wort wird in der Regel einem einzelnen Token zugeordnet, und wir fügen automatisch zwei spekulische Token (ein Starttoken und ein Trennzeichen) hinzu, sodass dieser Grenzwert im Allgemeinen 510 Wörter für alle Sätze beträgt.

public static Microsoft.ML.TorchSharp.NasBert.TextClassificationTrainer TextClassification(this Microsoft.ML.MulticlassClassificationCatalog.MulticlassClassificationTrainers catalog, Microsoft.ML.TorchSharp.NasBert.TextClassificationTrainer.TextClassificationOptions options);

static member TextClassification : Microsoft.ML.MulticlassClassificationCatalog.MulticlassClassificationTrainers * Microsoft.ML.TorchSharp.NasBert.TextClassificationTrainer.TextClassificationOptions -> Microsoft.ML.TorchSharp.NasBert.TextClassificationTrainer

<Extension()>
Public Function TextClassification (catalog As MulticlassClassificationCatalog.MulticlassClassificationTrainers, options As TextClassificationTrainer.TextClassificationOptions) As TextClassificationTrainer

Parameter

catalog

MulticlassClassificationCatalog.MulticlassClassificationTrainers

Der Katalog der Transformation.

options

TextClassificationTrainer.TextClassificationOptions

Erweiterte Optionen.

Gibt zurück

TextClassificationTrainer

TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)

Quelle:

TorchSharpCatalog.cs

Optimieren Sie ein NAS-BERT-Modell für die NLP-Klassifizierung. Der Grenzwert für einen Satz beträgt 512 Token. Jedes Wort wird in der Regel einem einzelnen Token zugeordnet, und wir fügen automatisch zwei spekulische Token (ein Starttoken und ein Trennzeichen) hinzu, sodass dieser Grenzwert im Allgemeinen 510 Wörter für alle Sätze beträgt.

public static Microsoft.ML.TorchSharp.NasBert.TextClassificationTrainer TextClassification(this Microsoft.ML.MulticlassClassificationCatalog.MulticlassClassificationTrainers catalog, string labelColumnName = "Label", string scoreColumnName = "Score", string outputColumnName = "PredictedLabel", string sentence1ColumnName = "Sentence1", string sentence2ColumnName = default, int batchSize = 32, int maxEpochs = 10, Microsoft.ML.TorchSharp.NasBert.BertArchitecture architecture = Microsoft.ML.TorchSharp.NasBert.BertArchitecture.Roberta, Microsoft.ML.IDataView validationSet = default);

static member TextClassification : Microsoft.ML.MulticlassClassificationCatalog.MulticlassClassificationTrainers * string * string * string * string * string * int * int * Microsoft.ML.TorchSharp.NasBert.BertArchitecture * Microsoft.ML.IDataView -> Microsoft.ML.TorchSharp.NasBert.TextClassificationTrainer

<Extension()>
Public Function TextClassification (catalog As MulticlassClassificationCatalog.MulticlassClassificationTrainers, Optional labelColumnName As String = "Label", Optional scoreColumnName As String = "Score", Optional outputColumnName As String = "PredictedLabel", Optional sentence1ColumnName As String = "Sentence1", Optional sentence2ColumnName As String = Nothing, Optional batchSize As Integer = 32, Optional maxEpochs As Integer = 10, Optional architecture As BertArchitecture = Microsoft.ML.TorchSharp.NasBert.BertArchitecture.Roberta, Optional validationSet As IDataView = Nothing) As TextClassificationTrainer

Parameter

catalog

MulticlassClassificationCatalog.MulticlassClassificationTrainers

Der Katalog der Transformation.

labelColumnName

String

Name der Bezeichnungsspalte. Spalte sollte ein Schlüsseltyp sein.

scoreColumnName

String

Name der Scorespalte.

outputColumnName

String

Name der Ausgabespalte. Es ist ein Schlüsseltyp. Es ist die vorhergesagte Bezeichnung.

sentence1ColumnName

String

Name der Spalte für den ersten Satz.

sentence2ColumnName

String

Name der Spalte für den zweiten Satz. Nur erforderlich, wenn ihre NLP-Klassifizierung Satzpaare erfordert.

batchSize

Int32

Die Anzahl von Zeilen im Batch.

maxEpochs

Int32

Maximale Anzahl von Wiederholungen, um den Schulungssatz zu durchlaufen.

architecture

BertArchitecture

Architektur für das Modell. Der Standardwert ist Roberta.

validationSet

IDataView

Der Validierungssatz, der während der Schulung verwendet wird, um die Modellqualität zu verbessern.

Gibt zurück

TextClassificationTrainer