TorchSharpCatalog 類別

定義

命名空間:: Microsoft.ML.TorchSharp

組件:: Microsoft.ML.TorchSharp.dll

套件:: Microsoft.ML.TorchSharp v0.22.1

套件:: Microsoft.ML.TorchSharp v0.20.1

套件:: Microsoft.ML.TorchSharp v0.22.0

套件:: Microsoft.ML.TorchSharp v0.23.0-preview.1.25125.4

來源:: TorchSharpCatalog.cs

來源:: TorchSharpCatalog.cs

來源:: TorchSharpCatalog.cs

重要

部分資訊涉及發行前產品，在發行之前可能會有大幅修改。 Microsoft 對此處提供的資訊，不做任何明確或隱含的瑕疵擔保。

建立 TorchSharp 訓練器元件實例的擴充方法 MulticlassClassificationCatalog.MulticlassClassificationTrainers 集合。

public static class TorchSharpCatalog

type TorchSharpCatalog = class

Public Module TorchSharpCatalog

繼承: Object
TorchSharpCatalog

備註

這需要額外的 nuget 依賴來連結到 TorchSharp 原生 DLL。如需相關資訊，請參閱 ImageClassificationTrainer 。

方法

名稱	Description
EvaluateObjectDetection(MulticlassClassificationCatalog, IDataView, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column)	評估評分過的物體偵測資料。
NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions)	微調命名實體識別模型。
NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView)	微調命名實體識別的 NAS-BERT 模型。任何句子的上限為512個代幣。每個單字通常對應一個詞元，我們會自動加入兩個特殊詞元（起始詞和分隔詞），因此一般來說，這個限制是所有句子的 510 字。
NameEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions)	已淘汰. 過時：請改用該 NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions) 方法。
NameEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView)	已淘汰. 過時：請改用該 NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView) 方法。
ObjectDetection(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ObjectDetectionTrainer+Options)	微調物件偵測模型。
ObjectDetection(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, String, Int32)	微調物件偵測模型。
QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, QATrainer+Options)	微調 ROBERTA 模式以支援問答模式。任何句子的上限為512個代幣。每個單字通常對應一個詞元，我們會自動加入兩個特殊詞元（起始詞和分隔詞），因此一般來說，這個限制是所有句子的 510 字。
QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, String, Int32, Int32, Int32, BertArchitecture, IDataView)	微調 ROBERTA 模式以支援問答模式。任何句子的上限為512個代幣。每個單字通常對應一個詞元，我們會自動加入兩個特殊詞元（起始詞和分隔詞），因此一般來說，這個限制是所有句子的 510 字。
SentenceSimilarity(RegressionCatalog+RegressionTrainers, SentenceSimilarityTrainer+SentenceSimilarityOptions)	微調NLP句子相似度的 NAS-BERT 模型。任何句子的上限為512個代幣。每個單字通常對應一個詞元，我們會自動加入兩個特殊詞元（起始詞和分隔詞），因此一般來說，這個限制是所有句子的 510 字。
SentenceSimilarity(RegressionCatalog+RegressionTrainers, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)	微調NLP句子相似度的 NAS-BERT 模型。任何句子的上限為512個代幣。每個單字通常對應一個詞元，我們會自動加入兩個特殊詞元（起始詞和分隔詞），因此一般來說，這個限制是所有句子的 510 字。
TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)	微調一個 NAS-BERT 模型以進行自然語言處理分類。任何句子的上限為512個代幣。每個單字通常對應一個詞元，我們會自動加入兩個特殊詞元（起始詞和分隔詞），因此一般來說，這個限制是所有句子的 510 字。
TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, TextClassificationTrainer+TextClassificationOptions)	微調一個 NAS-BERT 模型以進行自然語言處理分類。任何句子的上限為512個代幣。每個單字通常對應一個詞元，我們會自動加入兩個特殊詞元（起始詞和分隔詞），因此一般來說，這個限制是所有句子的 510 字。

適用於