TorchSharpCatalog Класс

Определение

Пространство имен:

Microsoft.ML.TorchSharp

Сборка:

Microsoft.ML.TorchSharp.dll

Пакет:

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

Исходный код:

TorchSharpCatalog.cs

Коллекция методов расширения для MulticlassClassificationCatalog.MulticlassClassificationTrainers создания экземпляров компонентов обучения TorchSharp.

public static class TorchSharpCatalog

type TorchSharpCatalog = class

Public Module TorchSharpCatalog

Наследование

Object

TorchSharpCatalog

Комментарии

Для этого требуются дополнительные зависимости NuGet для связывания с собственными библиотеками DLL TorchSharp. Подробнее см. в разделе ImageClassificationTrainer.

Методы

EvaluateObjectDetection(MulticlassClassificationCatalog, IDataView, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column)	Оценивает оцененные данные об обнаружении объектов.
NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions)	Точная настройка модели распознавания именованных сущностей.
NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView)	Точная настройка модели NAS-BERT для распознавания именованных сущностей. Ограничение для любого предложения составляет 512 токенов. Каждое слово обычно сопоставляется с одним маркером, и мы автоматически добавляем 2 символических маркера (начальный маркер и маркер разделителя), поэтому обычно это ограничение будет составлять 510 слов для всех предложений.
NameEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions)	Устаревшие.. Устаревшее: используйте NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions) метод
NameEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView)	Устаревшие.. Устаревшее: используйте NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView) метод
ObjectDetection(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ObjectDetectionTrainer+Options)	Точная настройка модели обнаружения объектов.
ObjectDetection(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, String, Int32)	Точная настройка модели обнаружения объектов.
QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, QATrainer+Options)	Точная настройка модели ROBERTA для вопросов и ответов. Ограничение для любого предложения составляет 512 токенов. Каждое слово обычно сопоставляется с одним маркером, и мы автоматически добавляем 2 символических маркера (начальный маркер и маркер разделителя), поэтому обычно это ограничение будет составлять 510 слов для всех предложений.
QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, String, Int32, Int32, Int32, BertArchitecture, IDataView)	Точная настройка модели ROBERTA для вопросов и ответов. Ограничение для любого предложения составляет 512 токенов. Каждое слово обычно сопоставляется с одним маркером, и мы автоматически добавляем 2 символических маркера (начальный маркер и маркер разделителя), поэтому обычно это ограничение будет составлять 510 слов для всех предложений.
SentenceSimilarity(RegressionCatalog+RegressionTrainers, SentenceSimilarityTrainer+SentenceSimilarityOptions)	Точная настройка модели NAS-BERT для Сходства предложений NLP. Ограничение для любого предложения составляет 512 токенов. Каждое слово обычно сопоставляется с одним маркером, и мы автоматически добавляем 2 символических маркера (начальный маркер и маркер разделителя), поэтому обычно это ограничение будет составлять 510 слов для всех предложений.
SentenceSimilarity(RegressionCatalog+RegressionTrainers, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)	Точная настройка модели NAS-BERT для Сходства предложений NLP. Ограничение для любого предложения составляет 512 токенов. Каждое слово обычно сопоставляется с одним маркером, и мы автоматически добавляем 2 символических маркера (начальный маркер и маркер разделителя), поэтому обычно это ограничение будет составлять 510 слов для всех предложений.
TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)	Точная настройка модели NAS-BERT для классификации NLP. Ограничение для любого предложения составляет 512 токенов. Каждое слово обычно сопоставляется с одним маркером, и мы автоматически добавляем 2 символических маркера (начальный маркер и маркер разделителя), поэтому обычно это ограничение будет составлять 510 слов для всех предложений.
TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, TextClassificationTrainer+TextClassificationOptions)	Точная настройка модели NAS-BERT для классификации NLP. Ограничение для любого предложения составляет 512 токенов. Каждое слово обычно сопоставляется с одним маркером, и мы автоматически добавляем 2 символических маркера (начальный маркер и маркер разделителя), поэтому обычно это ограничение будет составлять 510 слов для всех предложений.