TorchSharpCatalog.TextClassification Methode

Definition

Namespace:

Microsoft.ML.TorchSharp

Assembly:

Microsoft.ML.TorchSharp.dll

Paket:

Microsoft.ML.TorchSharp v0.22.0-preview.24522.7

Überlädt

TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, TextClassificationTrainer+TextClassificationOptions)	Optimieren eines NAS-BERT-Modells für die NLP-Klassifizierung. Der Grenzwert für einen Satz beträgt 512 Token. Jedes Wort wird in der Regel einem einzelnen Token zugeordnet, und wir fügen automatisch 2 spezische Token (ein Starttoken und ein Trennzeichentoken) hinzu, sodass dieser Grenzwert im Allgemeinen bei 510 Wörtern für alle Sätze liegt.
TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)	Optimieren eines NAS-BERT-Modells für die NLP-Klassifizierung. Der Grenzwert für einen Satz beträgt 512 Token. Jedes Wort wird in der Regel einem einzelnen Token zugeordnet, und wir fügen automatisch 2 spezische Token (ein Starttoken und ein Trennzeichentoken) hinzu, sodass dieser Grenzwert im Allgemeinen bei 510 Wörtern für alle Sätze liegt.

TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, TextClassificationTrainer+TextClassificationOptions)

Quelle:

TorchSharpCatalog.cs

Optimieren eines NAS-BERT-Modells für die NLP-Klassifizierung. Der Grenzwert für einen Satz beträgt 512 Token. Jedes Wort wird in der Regel einem einzelnen Token zugeordnet, und wir fügen automatisch 2 spezische Token (ein Starttoken und ein Trennzeichentoken) hinzu, sodass dieser Grenzwert im Allgemeinen bei 510 Wörtern für alle Sätze liegt.

public static Microsoft.ML.TorchSharp.NasBert.TextClassificationTrainer TextClassification(this Microsoft.ML.MulticlassClassificationCatalog.MulticlassClassificationTrainers catalog, Microsoft.ML.TorchSharp.NasBert.TextClassificationTrainer.TextClassificationOptions options);

static member TextClassification : Microsoft.ML.MulticlassClassificationCatalog.MulticlassClassificationTrainers * Microsoft.ML.TorchSharp.NasBert.TextClassificationTrainer.TextClassificationOptions -> Microsoft.ML.TorchSharp.NasBert.TextClassificationTrainer

<Extension()>
Public Function TextClassification (catalog As MulticlassClassificationCatalog.MulticlassClassificationTrainers, options As TextClassificationTrainer.TextClassificationOptions) As TextClassificationTrainer

Parameter

catalog

MulticlassClassificationCatalog.MulticlassClassificationTrainers

Der Katalog der Transformation.

options

TextClassificationTrainer.TextClassificationOptions

Erweiterte Optionen.

Gibt zurück

TextClassificationTrainer

TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)

Quelle:

TorchSharpCatalog.cs

Optimieren eines NAS-BERT-Modells für die NLP-Klassifizierung. Der Grenzwert für einen Satz beträgt 512 Token. Jedes Wort wird in der Regel einem einzelnen Token zugeordnet, und wir fügen automatisch 2 spezische Token (ein Starttoken und ein Trennzeichentoken) hinzu, sodass dieser Grenzwert im Allgemeinen bei 510 Wörtern für alle Sätze liegt.

public static Microsoft.ML.TorchSharp.NasBert.TextClassificationTrainer TextClassification(this Microsoft.ML.MulticlassClassificationCatalog.MulticlassClassificationTrainers catalog, string labelColumnName = "Label", string scoreColumnName = "Score", string outputColumnName = "PredictedLabel", string sentence1ColumnName = "Sentence1", string sentence2ColumnName = default, int batchSize = 32, int maxEpochs = 10, Microsoft.ML.TorchSharp.NasBert.BertArchitecture architecture = Microsoft.ML.TorchSharp.NasBert.BertArchitecture.Roberta, Microsoft.ML.IDataView validationSet = default);

static member TextClassification : Microsoft.ML.MulticlassClassificationCatalog.MulticlassClassificationTrainers * string * string * string * string * string * int * int * Microsoft.ML.TorchSharp.NasBert.BertArchitecture * Microsoft.ML.IDataView -> Microsoft.ML.TorchSharp.NasBert.TextClassificationTrainer

<Extension()>
Public Function TextClassification (catalog As MulticlassClassificationCatalog.MulticlassClassificationTrainers, Optional labelColumnName As String = "Label", Optional scoreColumnName As String = "Score", Optional outputColumnName As String = "PredictedLabel", Optional sentence1ColumnName As String = "Sentence1", Optional sentence2ColumnName As String = Nothing, Optional batchSize As Integer = 32, Optional maxEpochs As Integer = 10, Optional architecture As BertArchitecture = Microsoft.ML.TorchSharp.NasBert.BertArchitecture.Roberta, Optional validationSet As IDataView = Nothing) As TextClassificationTrainer

Parameter

catalog

MulticlassClassificationCatalog.MulticlassClassificationTrainers

Der Katalog der Transformation.

labelColumnName

String

Name der Bezeichnungsspalte. Die Spalte sollte ein Schlüsseltyp sein.

scoreColumnName

String

Name der Bewertungsspalte.

outputColumnName

String

Name der Ausgabespalte. Es wird ein Schlüsseltyp sein. Es ist die vorhergesagte Bezeichnung.

sentence1ColumnName

String

Name der Spalte für den ersten Satz.

sentence2ColumnName

String

Name der Spalte für den zweiten Satz. Nur erforderlich, wenn ihre NLP-Klassifizierung Satzpaare erfordert.

batchSize

Int32

Die Anzahl von Zeilen im Batch.

maxEpochs

Int32

Maximale Anzahl von Schleifen durch Ihren Trainingssatz.

architecture

BertArchitecture

Architektur für das Modell. Der Standardwert ist Roberta.

validationSet

IDataView

Der Validierungssatz, der während des Trainings verwendet wird, um die Modellqualität zu verbessern.

Gibt zurück

TextClassificationTrainer