Compartir vía

Entrene el modelo de flujo de trabajo de orquestación

  • Artículo

El entrenamiento es el proceso en el que el modelo aprende de las expresiones etiquetadas. Una vez completado el entrenamiento, podrá ver el rendimiento del modelo.

Para entrenar un modelo, inicie un trabajo de entrenamiento. Solo los trabajos completados correctamente crean un modelo. Los trabajos de entrenamiento expiran después de siete días, después de este tiempo ya no podrá recuperar los detalles del trabajo. Si el trabajo de entrenamiento se completó correctamente y se creó un modelo, éste no se verá afectado por la expiración del trabajo. Solo puede tener un trabajo de entrenamiento ejecutándose a la vez y no puede iniciar otros trabajos en el mismo proyecto.

Los tiempos de entrenamiento pueden ir desde unos pocos segundos cuando se trata de proyectos sencillos, hasta un par de horas cuando se alcanza el límite máximo de expresiones.

La evaluación del modelo se desencadena automáticamente después de que el entrenamiento se haya completado correctamente. El proceso de evaluación se inicia mediante el modelo entrenado para ejecutar predicciones en las expresiones del conjunto de pruebas y compara los resultados previstos con las etiquetas proporcionadas (que establecen una línea base de verdad). Los resultados se devuelven para que pueda revisar el rendimiento del modelo.

Prerrequisitos

  • Un proyecto creado correctamente con una cuenta de Azure Blob Storage configurada

Consulte el ciclo de vida del desarrollo de proyectos para más información.

División de datos

Antes de iniciar el proceso de entrenamiento, las expresiones etiquetadas del proyecto se dividen en un conjunto de entrenamiento y un conjunto de pruebas. Cada uno de ellos sirve una función diferente. El conjunto de entrenamiento se usa para entrenar el modelo, es el conjunto a partir del cual el modelo aprende las expresiones etiquetadas. El conjunto de pruebas es un conjunto ciego que no se introduce en el modelo durante el entrenamiento, sino solo durante la evaluación.

Una vez entrenado el modelo correctamente, éste puede usarse para hacer predicciones a partir de los enunciados del conjunto de pruebas. Estas predicciones se usan para calcular lasmétricas de evaluación.

Se recomienda asegurarse de que todas las intenciones se representan adecuadamente tanto en el conjunto de entrenamiento como en el de prueba.

El flujo de trabajo de orquestación admite dos métodos de división de datos:

  • Dividir automáticamente el conjunto de pruebas de los datos de entrenamiento: el sistema dividirá los datos etiquetados entre los conjuntos de entrenamiento y pruebas, según los porcentajes especificados. La división de porcentaje recomendada es del 80 % para el entrenamiento y el 20 % para las pruebas.

Nota:

Si elige la opción Automatically splitting the testing set from training data (Dividir automáticamente el conjunto de pruebas de los datos de entrenamiento), solo los datos asignados al conjunto de entrenamiento se dividirán según los porcentajes proporcionados.

  • Usar una división manual de los datos de entrenamiento y de prueba: Este método permite a los usuarios definir qué expresiones deben pertenecer a cada conjunto. Este paso solo se activa si se agregan expresiones al conjunto de prueba durante el etiquetado.

Nota:

Solo puede agregar expresiones en el conjunto de datos de entrenamiento para intenciones no conectadas.

Entrenamiento de un modelo

Inicio del trabajo de entrenamiento

Para empezar a entrenar el modelo desde Language Studio:

  1. Seleccione Trabajos de entrenamiento en el menú de la izquierda.

  2. Seleccione Iniciar un trabajo de entrenamiento en el menú superior.

  3. Seleccione Train a new model (Entrenar un nuevo modelo) y escriba el nombre del modelo en el cuadro de texto. Para sobrescribir un modelo existente, seleccione esta opción y elija el modelo que quiera sobrescribir del menú desplegable. La sobrescritura de un modelo entrenado es irreversible, pero no afectará a los modelos implementados hasta que implemente el nuevo modelo.

    Si ha habilitado el proyecto para dividir los datos manualmente al etiquetar las expresiones, verá dos opciones de división de datos:

    • Dividir automáticamente el conjunto de pruebas de los datos de entrenamiento: las expresiones etiquetadas se dividirán aleatoriamente entre los conjuntos de entrenamiento y de prueba, según los porcentajes que elija. El porcentaje de división predeterminado es del 80 % para el entrenamiento y del 20 % para la prueba. Para cambiar estos valores, elija el conjunto que desea cambiar y escriba el nuevo valor.

    Nota:

    Si elige la opción Dividir automáticamente el conjunto de pruebas de los datos de entrenamiento, solo se dividirán las expresiones del conjunto de entrenamiento según los porcentajes indicados.

    • Use una división manual de datos de entrenamiento y pruebas: asigne cada expresión al conjunto de entrenamiento o pruebas durante el paso de etiquetado del proyecto.

    Nota:

    Use una división manual de la opción de datos de entrenamiento y pruebas solo se habilitará si agrega expresiones al conjunto de pruebas en la página de datos de etiquetas. De lo contrario, se deshabilitará.

    Captura de pantalla en la que se muestra la página de entrenamiento del modelo para proyectos de reconocimiento del lenguaje conversacional.

  4. Seleccione el botón Entrenar.

Nota:

  • Los trabajos de entrenamiento completados correctamente serán los únicos que generarán modelos.
  • El entrenamiento puede llevar entre un par de minutos y un par de horas en función del tamaño de los datos etiquetados.
  • Solo puede haber un trabajo de entrenamiento ejecutándose en un momento dado. No puede iniciar otro trabajo de entrenamiento dentro del mismo proyecto hasta que se complete el trabajo en curso.

Obtén el estado del trabajo de entrenamiento

Seleccione el id. de trabajo de entrenamiento de la lista, aparecerá un panel lateral donde podrá comprobar el Progreso del entrenamiento, el Estado del trabajo y otros detalles de este trabajo.

Cancelación del trabajo de entrenamiento

Para cancelar un trabajo de entrenamiento en Language Studio, vaya a la página Entrenar modelo. Seleccione el trabajo de entrenamiento que desea cancelar y seleccione Cancelar en el menú superior.

Pasos siguientes