NerTrainer Classe
Definição
Importante
Algumas informações se referem a produtos de pré-lançamento que podem ser substancialmente modificados antes do lançamento. A Microsoft não oferece garantias, expressas ou implícitas, das informações aqui fornecidas.
Para IEstimator<TTransformer> treinar uma DNN (Rede Neural Profunda) para classificar o texto.
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))- Herança
Comentários
Para criar esse treinador, use NER.
Colunas de entrada e saída
Os dados da coluna de rótulo de entrada devem ser um Vetor do tipo de cadeia de caracteres e as colunas de frase devem ser do tipoTextDataViewType.
Este treinador gera as seguintes colunas:
| Nome da coluna de saída | Tipo de Coluna | Descrição |
|---|---|---|
PredictedLabel |
Vetor do tipo de chave | O índice do rótulo previsto. Se o valor for i, o rótulo real será a categoria i-th no tipo de rótulo de entrada com valor de chave. |
| -- | -- | |
| Tarefa de machine learning | Classificação multiclasse | |
| A normalização é necessária? | No | |
| O cache é necessário? | No | |
| NuGet necessário além de Microsoft.ML | Microsoft.ML.TorchSharp e libtorch-cpu ou libtorch-cuda-11.3 ou qualquer uma das variantes específicas do sistema operacional. | |
| Exportável para ONNX | No |
Detalhes do algoritmo de treinamento
Treina uma DNN (Rede Neural Profunda) aproveitando um modelo roBERTa NAS-BERT pré-treinado existente para fins de reconhecimento de entidade nomeada.
Métodos
| Nome | Description |
|---|---|
| GetOutputSchema(SchemaShape) |
Para IEstimator<TTransformer> treinar uma DNN (Rede Neural Profunda) para classificar o texto. (Herdado de NasBertTrainer<TLabelCol,TTargetsCol>) |
Métodos de Extensão
| Nome | Description |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Acrescente um 'ponto de verificação de cache' à cadeia do avaliador. Isso garantirá que os avaliadores downstream serão treinados em relação aos dados armazenados em cache. É útil ter um ponto de verificação de cache antes dos treinadores que têm várias passagens de dados. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Dado um avaliador, retorne um objeto de encapsulamento que chamará um delegado uma vez Fit(IDataView) chamado. Geralmente, é importante que um avaliador retorne informações sobre o que estava em forma, e é por isso que o Fit(IDataView) método retorna um objeto especificamente tipado, em vez de apenas um geral ITransformer. No entanto, ao mesmo tempo, IEstimator<TTransformer> muitas vezes são formados em pipelines com muitos objetos, portanto, talvez seja necessário criar uma cadeia de avaliadores por meio EstimatorChain<TLastTransformer> de onde o avaliador para o qual queremos obter o transformador está enterrado em algum lugar nessa cadeia. Para esse cenário, podemos por meio desse método anexar um delegado que será chamado assim que o ajuste for chamado. |