TextClassificationTrainer Класс

Определение

Пространство имен:

Microsoft.ML.TorchSharp.NasBert

Сборка:

Microsoft.ML.TorchSharp.dll

Пакет:

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

Исходный код:

TextClassificationTrainer.cs

Для IEstimator<TTransformer> обучения глубокой нейронной сети (DNN) для классификации текста.

public class TextClassificationTrainer : Microsoft.ML.TorchSharp.NasBert.NasBertTrainer<uint,long>

type TextClassificationTrainer = class
    inherit NasBertTrainer<uint32, int64>

Public Class TextClassificationTrainer
Inherits NasBertTrainer(Of UInteger, Long)

Наследование

Object

TorchSharpBaseTrainer

TorchSharpBaseTrainer<TLabelCol,TTargetsCol>

NasBertTrainer<UInt32,Int64>

TextClassificationTrainer

Комментарии

Чтобы создать этот обучающий средство, используйте TextClassification.

Входные и выходные столбцы

Входные данные столбца меток должны быть ключевыми , а столбцы предложения должны иметь тип TextDataViewType.

Этот тренер выводит следующие столбцы:

Имя выходного столбца	Тип столбца	Description
PredictedLabel	тип ключа	Индекс прогнозируемой метки. Если его значение равно i, фактическое обозначение будет i-й категорией в типе метки входных данных с ключевым значением.
Score	ВекторSingle	Оценки всех классов. Более высокое значение означает более высокую вероятность падения в связанный класс. Если элемент i-th имеет наибольшее значение, прогнозируемый индекс метки будет i. Обратите внимание, что i это отсчитываемый от нуля индекс.

Характеристики тренера

Характеристика	Ценность
Задача машинного обучения	Многоклассовая классификация
Требуется ли нормализация?	No
Требуется ли кэширование?	No
Обязательный NuGet в дополнение к Microsoft.ML	Microsoft.ML.TorchSharp и libtorch-cpu или libtorch-cuda-11.3 или любой из конкретных вариантов ОС.
Экспортируемый в ONNX	No

Сведения о алгоритме обучения

Обучает глубокую нейронную сеть (DNN), используя существующую предварительно обученную NAS-BERT модель roBERTa для классификации текста.

Методы

Имя	Описание
GetOutputSchema(SchemaShape)	Для IEstimator<TTransformer> обучения глубокой нейронной сети (DNN) для классификации текста. (Унаследовано от NasBertTrainer<TLabelCol,TTargetsCol>)

Методы расширения

Имя	Описание
AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	Добавьте "контрольную точку кэширования" в цепочку оценщика. Это гарантирует, что нижестоящий оценщик будет обучен по кэшированным данным. Рекомендуется использовать контрольную точку кэширования перед обучением, которые принимают несколько передач данных.
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	При оценке возвращает объект оболочки, который вызовет делегат после Fit(IDataView) вызова. Часто важно для оценки возвращать сведения о том, что было подходяще, поэтому Fit(IDataView) метод возвращает специально типизированный объект, а не просто общий ITransformer. Однако, в то же время, IEstimator<TTransformer> часто формируются в конвейеры с множеством объектов, поэтому нам может потребоваться построить цепочку оценщиков с помощью EstimatorChain<TLastTransformer> того, где оценка, для которой мы хотим получить преобразователь, похоронен где-то в этой цепочке. В этом сценарии мы можем подключить делегат, который будет вызываться после вызова.