Trenowanie niestandardowego modelu rozpoznawania nazwanych jednostek

Trenowanie to proces, w którym model uczy się na podstawie danych oznaczonych etykietą. Po zakończeniu trenowania będzie można wyświetlić wydajność modelu , aby określić, czy trzeba poprawić model.

Aby wytrenować model, należy uruchomić zadanie trenowania i utworzyć model tylko pomyślnie ukończone zadania. Zadania szkoleniowe wygasają po siedmiu dniach, co oznacza, że nie będzie można pobrać szczegółów zadania po tym czasie. Jeśli zadanie trenowania zostało ukończone pomyślnie i model został utworzony, nie będzie to miało wpływu na ten model. Jednocześnie można uruchamiać tylko jedno zadanie szkoleniowe i nie można uruchamiać innych zadań w tym samym projekcie.

Czas trenowania może trwać od kilku minut w przypadku pracy z kilkoma dokumentami, do kilku godzin w zależności od rozmiaru zestawu danych i złożoności schematu.

Wymagania wstępne

• Pomyślnie utworzono projekt ze skonfigurowanym kontem usługi Azure Blob Storage
• Dane tekstowe przekazane do konta magazynu.
• Dane oznaczone etykietami

Aby uzyskać więcej informacji, zobacz cykl projektowania projektu .

Dzielenie danych

Przed rozpoczęciem procesu trenowania dokumenty oznaczone w projekcie są podzielone na zestaw szkoleniowy i zestaw testowy. Każdy z nich pełni inną funkcję. Zestaw szkoleniowy jest używany podczas trenowania modelu. Jest to zestaw, z którego model uczy się oznaczonych jednostek i zakresów tekstu, które mają być wyodrębniane jako jednostki. Zestaw testów to zestaw ślepy, który nie jest wprowadzany do modelu podczas trenowania, ale tylko podczas oceny. Po pomyślnym zakończeniu trenowania modelu model jest używany do przewidywania z dokumentów w testach i na podstawie tych metryk oceny przewidywań. Zaleca się upewnienie się, że wszystkie jednostki są odpowiednio reprezentowane zarówno w zestawie treningowym, jak i testowym.

Niestandardowa funkcja NER obsługuje dwie metody dzielenia danych:

• Automatyczne dzielenie zestawu testowego z danych treningowych: system podzieli dane oznaczone etykietami między zestawy treningowe i testowe zgodnie z wybranymi wartościami procentowymi. Zalecany podział procentowy wynosi 80% w przypadku trenowania i 20% do testowania.

Uwaga

Jeśli wybierzesz opcję Automatycznie rozdzielając zestaw testowy z danych treningowych , tylko dane przypisane do zestawu treningowego zostaną podzielone zgodnie z podanymi wartościami procentowymi.

• Użyj ręcznego podziału danych treningowych i testowych: ta metoda umożliwia użytkownikom zdefiniowanie, które dokumenty z etykietami powinny należeć do tego zestawu. Ten krok jest włączony tylko w przypadku dodania dokumentów do zestawu testowego podczas etykietowania danych.

Trenowanie modelu

Studio językowe

Aby rozpocząć trenowanie modelu z poziomu programu Language Studio:

1. Wybierz pozycję Zadania szkoleniowe z menu po lewej stronie.

2. Wybierz pozycję Start a training job (Uruchom zadanie szkoleniowe ) z górnego menu.

3. Wybierz pozycję Train a new model (Trenowanie nowego modelu) i wpisz nazwę modelu w polu tekstowym. Możesz również zastąpić istniejący model , wybierając tę opcję i wybierając model, który chcesz zastąpić z menu rozwijanego. Zastąpienie wytrenowanego modelu jest nieodwracalne, ale nie wpłynie to na wdrożone modele do momentu wdrożenia nowego modelu.

   

4. Wybierz metodę dzielenia danych. Możesz wybrać opcję Automatyczne dzielenie zestawu testów z danych treningowych , w których system podzieli dane oznaczone etykietami między zestawy treningowe i testowe, zgodnie z określonymi wartościami procentowymi. Możesz też użyć ręcznego podziału danych treningowych i testowych. Ta opcja jest włączona tylko w przypadku dodania dokumentów do zestawu testowego podczas etykietowania danych. Aby uzyskać informacje na temat dzielenia danych, zobacz How to train a model (Jak trenować model ).

5. Wybierz przycisk Train (Trenuj ).

6. Jeśli wybierzesz identyfikator zadania trenowania z listy, zostanie wyświetlone okienko boczne, w którym można sprawdzić postęp trenowania, stan zadania i inne szczegóły dotyczące tego zadania.

   Uwaga

   • Tylko pomyślnie ukończone zadania szkoleniowe będą generować modele.
   • Trenowanie może potrwać od kilku minut do kilku godzin na podstawie rozmiaru danych oznaczonych etykietą.
   • Jednocześnie może być uruchomione tylko jedno zadanie trenowania. Nie można uruchomić innego zadania trenowania w tym samym projekcie, dopóki uruchomione zadanie nie zostanie ukończone.

Interfejsy API REST

Rozpoczynanie zadania szkoleniowego

Prześlij żądanie POST przy użyciu następującego adresu URL, nagłówków i treści JSON, aby przesłać zadanie trenowania. Zastąp poniższe wartości zastępcze własnymi wartościami.

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/:train?api-version={API-VERSION}

Symbol zastępczy	Wartość	Przykład
{ENDPOINT}	Punkt końcowy uwierzytelniania żądania interfejsu API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Nazwa projektu. W tej wartości jest uwzględniana wielkość liter.	myProject
{API-VERSION}	Wersja wywoływanego interfejsu API. Wartość, do którego odwołuje się tutaj, dotyczy najnowszej wersji wydanej. Zobacz Cykl życia modelu , aby dowiedzieć się więcej o innych dostępnych wersjach interfejsu API.	2022-05-01

Nagłówki

Użyj następującego nagłówka, aby uwierzytelnić żądanie.

Klucz	Wartość
Ocp-Apim-Subscription-Key	Klucz do zasobu. Służy do uwierzytelniania żądań interfejsu API.

Treść żądania

Użyj następującego kodu JSON w treści żądania. Model zostanie podany po zakończeniu {MODEL-NAME} trenowania. Tylko pomyślne zadania szkoleniowe będą tworzyć modele.

{
	"modelLabel": "{MODEL-NAME}",
	"trainingConfigVersion": "{CONFIG-VERSION}",
	"evaluationOptions": {
		"kind": "percentage",
		"trainingSplitPercentage": 80,
		"testingSplitPercentage": 20
	}
}

Klucz	Symbol zastępczy	Wartość	Przykład
modelLabel	{MODEL-NAME}	Nazwa modelu, która zostanie przypisana do modelu po pomyślnym wytrenowanym.	myModel
trainingConfigVersion	{CONFIG-VERSION}	Jest to wersja modelu , która będzie używana do trenowania modelu.	2022-05-01
evaluationOptions		Opcja dzielenia danych między zestawy treningowe i testowe.	{}
Rodzaju	percentage	Metody podziału. Możliwe wartości to percentage lub manual. Aby uzyskać więcej informacji, zobacz How to train a model (Jak trenować model ).	percentage
trainingSplitPercentage	80	Procent oznakowanych danych, które mają zostać uwzględnione w zestawie treningowym. Zalecana wartość to 80.	80
testingSplitPercentage	20	Procent oznakowanych danych, które mają zostać uwzględnione w zestawie testowym. Zalecana wartość to 20.	20

Uwaga

Wartości trainingSplitPercentage i testingSplitPercentage są wymagane tylko wtedy, gdy Kind jest ustawiona wartość percentage , a suma obu wartości procentowych powinna być równa 100.

Po wysłaniu żądania interfejsu API otrzymasz odpowiedź wskazującą 202 , że zadanie zostało przesłane poprawnie. W nagłówkach odpowiedzi wyodrębnij location wartość. Zostanie on sformatowany w następujący sposób:

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}

{JOB-ID} służy do identyfikowania żądania, ponieważ ta operacja jest asynchroniczna. Możesz użyć tego adresu URL, aby uzyskać stan trenowania.

Pobieranie stanu zadania szkoleniowego

Trenowanie może potrwać czasami w zależności od rozmiaru danych treningowych i złożoności schematu. Możesz użyć następującego żądania, aby zachować sondowanie stanu zadania szkoleniowego do momentu pomyślnego ukończenia zadania.

Użyj następującego żądania GET , aby uzyskać stan postępu trenowania modelu. Zastąp wartości zastępcze poniżej własnymi wartościami.

Adres URL żądania

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}

Symbol zastępczy	Wartość	Przykład
{ENDPOINT}	Punkt końcowy do uwierzytelniania żądania interfejsu API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Nazwa projektu. Ta wartość jest uwzględniana w wielkości liter.	myProject
{JOB-ID}	Identyfikator lokalizowania stanu trenowania modelu. Ta wartość znajduje się w wartości nagłówka location otrzymanej w poprzednim kroku.	xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION}	Wersja wywoływanego interfejsu API. Wartość, do których odwołuje się tutaj, dotyczy najnowszej wersji wydanej. Zobacz Cykl życia modelu , aby dowiedzieć się więcej o innych dostępnych wersjach interfejsu API.	2022-05-01

Nagłówki

Użyj następującego nagłówka, aby uwierzytelnić żądanie.

Klucz	Wartość
Ocp-Apim-Subscription-Key	Klucz do zasobu. Służy do uwierzytelniania żądań interfejsu API.

Treść odpowiedzi

Po wysłaniu żądania otrzymasz następującą odpowiedź.

{
  "result": {
    "modelLabel": "{MODEL-NAME}",
    "trainingConfigVersion": "{CONFIG-VERSION}",
    "estimatedEndDateTime": "2022-04-18T15:47:58.8190649Z",
    "trainingStatus": {
      "percentComplete": 3,
      "startDateTime": "2022-04-18T15:45:06.8190649Z",
      "status": "running"
    },
    "evaluationStatus": {
      "percentComplete": 0,
      "status": "notStarted"
    }
  },
  "jobId": "{JOB-ID}",
  "createdDateTime": "2022-04-18T15:44:44Z",
  "lastUpdatedDateTime": "2022-04-18T15:45:48Z",
  "expirationDateTime": "2022-04-25T15:44:44Z",
  "status": "running"
}

Anulowanie zadania trenowania

Language Studio

Aby anulować zadanie szkoleniowe z poziomu programu Language Studio, przejdź do strony Zadania szkoleniowe . Wybierz zadanie trenowania, które chcesz anulować, a następnie wybierz pozycję Anuluj z górnego menu.

Interfejsy API REST

Utwórz żądanie POST przy użyciu następującego adresu URL, nagłówków i treści JSON w celu anulowania zadania trenowania.

Adres URL żądania

Użyj następującego adresu URL podczas tworzenia żądania interfejsu API. Zastąp wartości zastępcze poniżej własnymi wartościami.

{Endpoint}/language/authoring/analyze-text/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}/:cancel?api-version={API-VERSION}

Symbol zastępczy	Wartość	Przykład
{ENDPOINT}	Punkt końcowy do uwierzytelniania żądania interfejsu API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Nazwa projektu. Ta wartość jest uwzględniana w wielkości liter.	EmailApp
{JOB-ID}	Ta wartość to identyfikator zadania trenowania.	XXXXX-XXXXX-XXXX-XX
{API-VERSION}	Wersja wywoływanego interfejsu API. Wartość, do których się odwołuje, dotyczy najnowszej wersji modelu wydanej.	2022-05-01

Nagłówki

Użyj następującego nagłówka, aby uwierzytelnić żądanie.

Klucz	Wartość
Ocp-Apim-Subscription-Key	Klucz do zasobu. Służy do uwierzytelniania żądań interfejsu API.

Po wysłaniu żądania interfejsu API otrzymasz odpowiedź 202 z nagłówkiem używanym Operation-Location do sprawdzenia stanu zadania.

Następne kroki

Po zakończeniu trenowania będzie można wyświetlić wydajność modelu , aby opcjonalnie poprawić model w razie potrzeby. Gdy model jest zadowolony, możesz go wdrożyć, udostępniając go do wyodrębniania jednostek z tekstu.