NerTrainer Klasa
Definicja
Ważne
Niektóre informacje odnoszą się do produktu w wersji wstępnej, który może zostać znacząco zmodyfikowany przed wydaniem. Firma Microsoft nie udziela żadnych gwarancji, jawnych lub domniemanych, w odniesieniu do informacji podanych w tym miejscu.
Element IEstimator<TTransformer> do trenowania głębokiej sieci neuronowej (DNN) do klasyfikowania tekstu.
public class NerTrainer : Microsoft.ML.TorchSharp.NasBert.NasBertTrainer<Microsoft.ML.Data.VBuffer<uint>,Microsoft.ML.Data.VBuffer<long>>type NerTrainer = class
inherit NasBertTrainer<VBuffer<uint32>, VBuffer<int64>>Public Class NerTrainer
Inherits NasBertTrainer(Of VBuffer(Of UInteger), VBuffer(Of Long))- Dziedziczenie
Uwagi
Aby utworzyć tego trenera, użyj narzędzia NER.
Kolumny wejściowe i wyjściowe
Dane kolumny etykiety wejściowej muszą być wektorem typu ciągu , a kolumny zdania muszą być typuTextDataViewType.
Ten trener zwraca następujące kolumny:
| Nazwa kolumny wyjściowej | Typ kolumny | Description |
|---|---|---|
PredictedLabel |
Wektor typu klucza | Indeks przewidywanej etykiety. Jeśli jej wartość to i, rzeczywista etykieta będzie kategorią i-th w typie etykiety wejściowej z wartością klucza. |
| -- | -- | |
| Zadanie uczenia maszynowego | Klasyfikacja wieloklasowa | |
| Czy normalizacja jest wymagana? | No | |
| Czy buforowanie jest wymagane? | No | |
| Wymagane narzędzie NuGet oprócz Microsoft.ML | Microsoft.ML.TorchSharp i libtorch-cpu lub libtorch-cuda-11.3 lub dowolny z wariantów specyficznych dla systemu operacyjnego. | |
| Możliwość eksportowania do ONNX | No |
Szczegóły algorytmu trenowania
Trenuje głęboką sieć neuronową (DNN) przy użyciu istniejącego wstępnie wytrenowanego modelu NAS-BERT roBERTa na potrzeby rozpoznawania jednostek nazwanych.
Metody
| Nazwa | Opis |
|---|---|
| GetOutputSchema(SchemaShape) |
Element IEstimator<TTransformer> do trenowania głębokiej sieci neuronowej (DNN) do klasyfikowania tekstu. (Odziedziczone po NasBertTrainer<TLabelCol,TTargetsCol>) |
Metody rozszerzania
| Nazwa | Opis |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Dołącz punkt kontrolny buforowania do łańcucha narzędzia do szacowania. Zapewni to, że narzędzia do szacowania podrzędnego zostaną wytrenowane z buforowanych danych. Warto mieć punkt kontrolny buforowania, zanim trenerzy przejdą wiele danych. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Biorąc pod uwagę narzędzie do szacowania, zwróć obiekt opakowujący, który wywoła delegata po Fit(IDataView) wywołaniu. Często ważne jest, aby narzędzie do szacowania zwracało informacje o tym, co było odpowiednie, dlatego Fit(IDataView) metoda zwraca specjalnie wpisany obiekt, a nie tylko ogólne ITransformer. Jednak w tym samym czasie IEstimator<TTransformer> są często tworzone w potoki z wieloma obiektami, więc może być konieczne utworzenie łańcucha narzędzi do szacowania za pośrednictwem EstimatorChain<TLastTransformer> miejsca, w którym narzędzie do szacowania, dla którego chcemy uzyskać transformator jest pochowany gdzieś w tym łańcuchu. W tym scenariuszu możemy za pomocą tej metody dołączyć delegata, który będzie wywoływany po wywołaniu dopasowania. |