Özel metin sınıflandırma modelini eğitma

Eğitim, modelin etiketlenmiş verilerinizden öğrendiği işlemdir. Eğitim tamamlandıktan sonra modelinizi geliştirmeniz gerekip gerekmediğini belirlemek için modelin performansını görüntüleyebileceksiniz .

Modeli eğitmek için bir eğitim işi başlatın. Yalnızca başarıyla tamamlanan işler kullanılabilir bir model oluşturur. Eğitim işlerinin süresi yedi gün sonra dolar. Bu süreden sonra iş ayrıntılarını alamayacaksınız. Eğitim işiniz başarıyla tamamlandıysa ve bir model oluşturulduysa, iş süresinin dolmasından etkilenmez. Aynı anda yalnızca bir eğitim işi çalıştırabilirsiniz ve aynı projede diğer işleri başlatamazsınız.

Eğitim süreleri, veri kümesi boyutuna ve şemanızın karmaşıklığına bağlı olarak birkaç saate kadar birkaç belgeyle çalışırken birkaç dakika içinde herhangi bir yerde olabilir.

Önkoşullar

Modelinizi eğitmeden önce şunları yapmanız gerekir:

• Yapılandırılmış bir Azure blob depolama hesabıyla başarıyla oluşturulmuş bir proje,
• Depolama hesabınıza yüklenen metin verileri.
• Etiketli veriler

Daha fazla bilgi için proje geliştirme yaşam döngüsüne bakın.

Veri bölme

Eğitim sürecine başlamadan önce, projenizdeki etiketli belgeler bir eğitim kümesine ve test kümesine ayrılır. Her biri farklı bir işleve hizmet eder. Eğitim kümesi modeli eğitmek için kullanılır. Bu küme, modelin her belgeye atanan sınıfı/sınıfları öğrendiği kümedir. Test kümesi, eğitim sırasında değil yalnızca değerlendirme sırasında modele tanıtılmayan bir kör kümedir. Model başarıyla eğitildikten sonra, test kümesindeki belgelerden tahminler yapmak için kullanılır. Bu tahminlere göre modelin değerlendirme ölçümleri hesaplanır. Tüm sınıflarınızın hem eğitim hem de test kümesinde yeterince temsil edildiğinden emin olun.

Özel metin sınıflandırması, veri bölme için iki yöntemi destekler:

• Test kümesini eğitim verilerinden otomatik olarak bölme: Sistem, etiketlenmiş verilerinizi seçtiğiniz yüzdelere göre eğitim ve test kümeleri arasında böler. Sistem, eğitim kümenizdeki tüm sınıfların bir gösterimini yapmaya çalışır. Önerilen bölme yüzdesi eğitim için %80 ve test için %20'dir.

Not

Test kümesini eğitim verilerinden otomatik olarak böl seçeneğini belirlerseniz, yalnızca eğitim kümesine atanan veriler sağlanan yüzdelere göre bölünür.

• Eğitim ve test verilerinin el ile bölünmesini kullanın: Bu yöntem, kullanıcıların hangi etiketli belgelerin hangi kümeye ait olması gerektiğini tanımlamasına olanak tanır. Bu adım yalnızca veri etiketleme sırasında test kümenize belge eklediyseniz etkinleştirilir.

Modeli eğitme

Language Studio

Modelinizi Language Studio'dan eğitmeye başlamak için:

1. Sol taraftaki menüden Eğitim işleri'ni seçin.

2. Üstteki menüden Eğitim işi başlat'ı seçin.

3. Yeni model eğit'i seçin ve metin kutusuna model adını yazın. Ayrıca bu seçeneği belirleyip açılan menüden üzerine yazmak istediğiniz modeli belirleyerek mevcut modelin üzerine yazabilirsiniz. Eğitilen modelin üzerine yazmak geri alınamaz, ancak yeni modeli dağıtana kadar dağıtılan modellerinizi etkilemez.

   

4. Veri bölme yöntemini seçin. Sistemin etiketlenmiş verilerinizi belirtilen yüzdelere göre eğitim ve test kümeleri arasında böleceği eğitim verilerinden test kümesini otomatik olarak bölme'yi seçebilirsiniz. Ya da eğitim ve test verilerinin el ile bölünmesini kullanabilirsiniz. Bu seçenek yalnızca veri etiketleme sırasında test kümenize belge eklediyseniz etkinleştirilir. Veri bölme hakkında daha fazla bilgi için bkz. Modeli eğitme .

5. Eğit düğmesini seçin.

6. Listeden eğitim işi kimliğini seçerseniz, bu iş için Eğitim ilerleme durumunu, İş durumunu ve diğer ayrıntıları denetleyebileceğiniz bir yan bölme görüntülenir.

   Not

   • Yalnızca başarıyla tamamlanan eğitim işleri model oluşturur.
   • Modeli eğitmek için gereken süre, etiketlenmiş verilerinizin boyutuna göre birkaç dakika ile birkaç saat arasında sürebilir.
   • Aynı anda yalnızca bir eğitim işi çalıştırabilirsiniz. Çalışan iş tamamlanana kadar aynı proje içinde başka bir eğitim işi başlatamazsınız.

REST API'leri

Eğitim işini başlatma

Bir eğitim işi göndermek için aşağıdaki URL, üst bilgiler ve JSON gövdesini kullanarak bir POST isteği gönderin. Aşağıdaki yer tutucu değerlerini kendi değerlerinizle değiştirin.

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

Yer tutucu	Değer	Örnek
{ENDPOINT}	API isteğinizin kimliğini doğrulamak için uç nokta.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Projenizin adı. Bu değer büyük/küçük harfe duyarlıdır.	myProject
{API-VERSION}	Çağırdığınız API'nin sürümü. Burada başvuruda bulunılan değer, yayınlanan en son sürüme yöneliktir. Diğer kullanılabilir API sürümleri hakkında daha fazla bilgi edinin	2022-05-01

Üst Bilgiler

İsteğinizin kimliğini doğrulamak için aşağıdaki üst bilgiyi kullanın.

Anahtar	Değer
Ocp-Apim-Subscription-Key	Kaynağınızın anahtarı. API isteklerinizin kimliğini doğrulamak için kullanılır.

İstek gövdesi

İstek gövdesinde aşağıdaki JSON'yi kullanın. Eğitim tamamlandıktan sonra modele {MODEL-NAME} verilir. Yalnızca başarılı eğitim işleri model üretecektir.

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

Anahtar	Yer tutucu	Değer	Örnek
modelLabel	{MODEL-NAME}	Başarıyla eğitildikten sonra modelinize atanacak model adı.	myModel
trainingConfigVersion	{CONFIG-VERSION}	Bu, modeli eğitmek için kullanılacak model sürümüdür .	2022-05-01
evaluationOptions		Verilerinizi eğitim ve test kümelerine bölme seçeneği.	{}
Tür	percentage	Bölme yöntemleri. Olası değerler: percentage veya manual. Daha fazla bilgi için bkz. Modeli eğitma .	percentage
trainingSplitPercentage	80	Etiketli verilerinizin eğitim kümesine dahil edilecek yüzdesi. Önerilen değer şeklindedir 80.	80
testingSplitPercentage	20	Test kümesine eklenecek etiketli verilerinizin yüzdesi. Önerilen değer şeklindedir 20.	20

Not

trainingSplitPercentage ve testingSplitPercentage yalnızca olarak ayarlanırsa Kindpercentage gereklidir ve her iki yüzdenin toplamı da 100'e eşit olmalıdır.

API isteğinizi gönderdikten sonra işin doğru şekilde gönderildiğini belirten bir 202 yanıt alırsınız. Yanıt üst bilgilerinde değeri ayıklayın location . Şu şekilde biçimlendirilir:

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

Bu işlem zaman uyumsuz olduğundan isteğinizi tanımlamak için {JOB-ID} kullanılıyor. Eğitim durumunu almak için bu URL'yi kullanabilirsiniz.

Eğitim işi durumunu alma

Eğitim verilerinizin boyutuna ve şemanızın karmaşıklığına bağlı olarak eğitim biraz zaman alabilir. Başarıyla tamamlanana kadar eğitim işinin durumunu yoklamayı sürdürmek için aşağıdaki isteği kullanabilirsiniz.

Modelinizin eğitim ilerleme durumunu almak için aşağıdaki GET isteğini kullanın. Aşağıdaki yer tutucu değerlerini kendi değerlerinizle değiştirin.

İstek URL’si

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

Yer tutucu	Değer	Örnek
{ENDPOINT}	API isteğinizin kimliğini doğrulamak için uç nokta.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Projenizin adı. Bu değer büyük/küçük harfe duyarlıdır.	myProject
{JOB-ID}	Modelinizin eğitim durumunu bulma kimliği. Bu değer, önceki adımda aldığınız üst bilgi değerindedir location .	xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION}	Çağırdığınız API'nin sürümü. Burada başvuruda bulunılan değer, yayınlanan en son sürüme yöneliktir. Diğer kullanılabilir API sürümleri hakkında daha fazla bilgi edinmek için bkz. model yaşam döngüsü .	2022-05-01

Üst Bilgiler

İsteğinizin kimliğini doğrulamak için aşağıdaki üst bilgiyi kullanın.

Anahtar	Değer
Ocp-Apim-Subscription-Key	Kaynağınızın anahtarı. API isteklerinizin kimliğini doğrulamak için kullanılır.

Yanıt Gövdesi

İsteği gönderdikten sonra aşağıdaki yanıtı alırsınız.

{
  "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"
}

Eğitim işini iptal etme

Language Studio

Language Studio'da eğitim işini iptal etmek için Eğitim işleri sayfasına gidin. İptal etmek istediğiniz eğitim işini seçin ve üstteki menüden İptal'i seçin.

REST API'leri

Bir eğitim işini iptal etmek için aşağıdaki URL' yi, üst bilgileri ve JSON gövdesini kullanarak bir POST isteği oluşturun.

İstek URL’si

API isteğinizi oluştururken aşağıdaki URL'yi kullanın. Aşağıdaki yer tutucu değerlerini kendi değerlerinizle değiştirin.

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

Yer tutucu	Değer	Örnek
{ENDPOINT}	API isteğinizin kimliğini doğrulamak için uç nokta.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Projenizin adı. Bu değer büyük/küçük harfe duyarlıdır.	EmailApp
{JOB-ID}	Bu değer eğitim işi kimliğidir.	XXXXX-XXXXX-XXXX-XX
{API-VERSION}	Çağırdığınız API'nin sürümü. Başvuruda bulunılan değer, en son yayımlanan model sürümüne yöneliktir.	2022-05-01

Üst Bilgiler

İsteğinizin kimliğini doğrulamak için aşağıdaki üst bilgiyi kullanın.

Anahtar	Değer
Ocp-Apim-Subscription-Key	Kaynağınızın anahtarı. API isteklerinizin kimliğini doğrulamak için kullanılır.

API isteğinizi gönderdikten sonra, işin durumunu denetlemek için kullanılan üst bilgiyle birlikte bir Operation-Location 202 yanıtı alırsınız.

Sonraki adımlar

Eğitim tamamlandıktan sonra, gerekirse modelinizi isteğe bağlı olarak geliştirmek için modelin performansını görüntüleyebileceksiniz . Modelinizi tamamladıktan sonra dağıtarak metni sınıflandırmak için kullanılabilir hale getirebilirsiniz.