WordEmbeddingEstimator Clase
Definición
Importante
Parte de la información hace referencia a la versión preliminar del producto, que puede haberse modificado sustancialmente antes de lanzar la versión definitiva. Microsoft no otorga ninguna garantía, explícita o implícita, con respecto a la información proporcionada aquí.
Caracterizador de texto que convierte vectores de tokens de texto en un vector numérico mediante un modelo de incrustaciones previamente entrenados.
public sealed class WordEmbeddingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.Text.WordEmbeddingTransformer>type WordEmbeddingEstimator = class
interface IEstimator<WordEmbeddingTransformer>Public NotInheritable Class WordEmbeddingEstimator
Implements IEstimator(Of WordEmbeddingTransformer)- Herencia
-
WordEmbeddingEstimator
- Implementaciones
Comentarios
Características del estimador
| ¿Necesita este estimador examinar los datos para entrenar sus parámetros? | No |
| Tipo de datos de columna de entrada | Vector de texto |
| Tipo de datos de columna de salida | Vector de tamaño conocido de Single |
| Exportable a ONNX | No |
WordEmbeddingTransformer genera una nueva columna, denominada como se especifica en los parámetros de nombre de columna de salida, donde cada vector de entrada se asigna a un vector numérico con el tamaño de 3 * dimensionalidad del modelo de inserción utilizado. Observe que esto es independiente del tamaño del vector de entrada.
Por ejemplo, cuando se usa GloVe50D, que es 50 dimensional, la columna de salida es un vector de tamaño 150. El primer tercio de ranuras contiene los valores mínimos en las incrustaciones correspondientes a cada cadena del vector de entrada. El segundo tercio contiene el promedio de las incrustaciones. El último tercio de las ranuras contiene valores máximos de las incrustaciones encontradas. El min/max proporciona un hiper rectángulo delimitador para las palabras del espacio de inserción de palabras. Esto puede ayudar a frases más largas en las que el promedio de muchas palabras ahoga la señal útil.
El usuario puede especificar un modelo de inserción previamente entrenado personalizado o uno de los modelos previamente entrenados disponibles. Las opciones disponibles son varias versiones de GloVe Models, FastText y SSWE.
Consulte la sección Ver también para obtener vínculos a ejemplos de uso.
Métodos
| Nombre | Description |
|---|---|
| Fit(IDataView) |
Entrena y devuelve un WordEmbeddingTransformer. |
| GetOutputSchema(SchemaShape) |
Devuelve el SchemaShape del esquema que generará el transformador. Se usa para la propagación y comprobación del esquema en una canalización. |
Métodos de extensión
| Nombre | Description |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Anexe un "punto de control de almacenamiento en caché" a la cadena del estimador. Esto garantizará que los estimadores de nivel inferior se entrenarán con los datos almacenados en caché. Resulta útil tener un punto de control de almacenamiento en caché antes de que los instructores tomen varios pases de datos. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Dado un estimador, devuelva un objeto de ajuste que llamará a un delegado una vez Fit(IDataView) que se llame. A menudo, es importante que un estimador devuelva información sobre lo que se ha ajustado, por lo que el Fit(IDataView) método devuelve un objeto específicamente tipado, en lugar de simplemente un general ITransformer. Sin embargo, al mismo tiempo, IEstimator<TTransformer> a menudo se forman en canalizaciones con muchos objetos, por lo que es posible que tengamos que crear una cadena de estimadores a través EstimatorChain<TLastTransformer> de donde el estimador para el que queremos obtener el transformador está enterrado en algún lugar de esta cadena. En ese escenario, podemos a través de este método adjuntar un delegado al que se llamará una vez que se llame a fit. |