TextClassificationTrainer Classe
Definizione
Importante
Alcune informazioni sono relative alla release non definitiva del prodotto, che potrebbe subire modifiche significative prima della release definitiva. Microsoft non riconosce alcuna garanzia, espressa o implicita, in merito alle informazioni qui fornite.
Oggetto IEstimator<TTransformer> per il training di una rete neurale profonda (DNN) per classificare il testo.
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)- Ereditarietà
-
TextClassificationTrainer
- Ereditarietà
Commenti
Per creare questo formatore, usare TextClassification.
Colonne di input e output
I dati della colonna dell'etichetta di input devono essere di tipo chiave e le colonne della frase devono essere di tipo TextDataViewType.
Questo formatore restituisce le colonne seguenti:
| Nome colonna di output | Tipo di colonna | Descrizione |
|---|---|---|
PredictedLabel |
chiave tipo | Indice dell'etichetta stimata. Se il suo valore è i, l'etichetta effettiva sarà la i-esima categoria nel tipo di etichetta di input con valori chiave. |
Score |
Vettore diSingle | Punteggi di tutte le classi. Un valore più alto indica una maggiore probabilità di rientrare nella classe associata. Se l'elemento i-th ha il valore più grande, l'indice delle etichette stimato sarà i. Si noti che i è un indice in base zero. |
Caratteristiche del trainer
| Caratteristica | Valore |
|---|---|
| Attività di Machine Learning | Classificazione multiclasse |
| La normalizzazione è necessaria? | No |
| La memorizzazione nella cache è necessaria? | No |
| NuGet necessario oltre a Microsoft.ML | Microsoft.ML.TorchSharp e libtorch-cpu o libtorch-cuda-11.3 o una delle varianti specifiche del sistema operativo. |
| Esportabile in ONNX | No |
Dettagli dell'algoritmo di training
Esegue il training di una rete neurale profonda sfruttando un modello di NAS-BERT roBERTa esistente con training preliminare allo scopo di classificare il testo.
Metodi
| Nome | Descrizione |
|---|---|
| Fit(IDataView) |
Oggetto IEstimator<TTransformer> per il training di una rete neurale profonda (DNN) per classificare il testo. (Ereditato da NasBertTrainer<TLabelCol,TTargetsCol>) |
| GetOutputSchema(SchemaShape) |
Oggetto IEstimator<TTransformer> per il training di una rete neurale profonda (DNN) per classificare il testo. (Ereditato da NasBertTrainer<TLabelCol,TTargetsCol>) |
Metodi di estensione
| Nome | Descrizione |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Aggiungere un "checkpoint di memorizzazione nella cache" alla catena di stima. In questo modo si garantisce che gli estimatori downstream vengano sottoposti a training su dati memorizzati nella cache. È utile disporre di un checkpoint di memorizzazione nella cache prima che i formatori eseseguono più passaggi di dati. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Dato uno strumento di stima, restituire un oggetto wrapping che chiamerà un delegato una volta Fit(IDataView) chiamato. È spesso importante che uno strumento di stima restituisca informazioni sulle dimensioni, motivo per cui il Fit(IDataView) metodo restituisce un oggetto tipizzato in modo specifico, anziché solo un oggetto generale ITransformer. Tuttavia, allo stesso tempo, IEstimator<TTransformer> vengono spesso formati in pipeline con molti oggetti, quindi potrebbe essere necessario creare una catena di estimatori tramite EstimatorChain<TLastTransformer> dove lo strumento di stima per il quale si vuole ottenere il trasformatore è sepolto in una posizione in questa catena. Per questo scenario, è possibile collegare un delegato che verrà chiamato una volta chiamato fit. |