TorchSharpCatalog Clase

Definición

Espacio de nombres:

Microsoft.ML.TorchSharp

Ensamblado:

Microsoft.ML.TorchSharp.dll

Paquete:

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

Source:

TorchSharpCatalog.cs

Colección de métodos de extensión para MulticlassClassificationCatalog.MulticlassClassificationTrainers crear instancias de componentes del instructor TorchSharp.

public static class TorchSharpCatalog

type TorchSharpCatalog = class

Public Module TorchSharpCatalog

Herencia

Object

TorchSharpCatalog

Comentarios

Esto requiere dependencias de NuGet adicionales para vincular con archivos DLL nativos de TorchSharp. Consulte ImageClassificationTrainer para obtener más información.

Métodos

EvaluateObjectDetection(MulticlassClassificationCatalog, IDataView, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column)	Evalúa los datos de detección de objetos puntuados.
NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions)	Ajuste un modelo de reconocimiento de entidades con nombre.
NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView)	Ajuste un modelo NAS-BERT para el reconocimiento de entidades con nombre. El límite de cualquier oración es de 512 tokens. Cada palabra normalmente se asignará a un único token y agregaremos automáticamente 2 tokens especificados (un token de inicio y un token de separador), por lo que, en general, este límite será de 510 palabras para todas las oraciones.
NameEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions)	Obsoletos. Obsoleto: use el NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions) método en su lugar.
NameEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView)	Obsoletos. Obsoleto: use el NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView) método en su lugar.
ObjectDetection(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ObjectDetectionTrainer+Options)	Ajuste un modelo de detección de objetos.
ObjectDetection(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, String, Int32)	Ajuste un modelo de detección de objetos.
QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, QATrainer+Options)	Ajuste un modelo roberta para preguntas y respuestas. El límite de cualquier oración es de 512 tokens. Cada palabra normalmente se asignará a un único token y agregaremos automáticamente 2 tokens especificados (un token de inicio y un token de separador), por lo que, en general, este límite será de 510 palabras para todas las oraciones.
QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, String, Int32, Int32, Int32, BertArchitecture, IDataView)	Ajuste un modelo roberta para preguntas y respuestas. El límite de cualquier oración es de 512 tokens. Cada palabra normalmente se asignará a un único token y agregaremos automáticamente 2 tokens especificados (un token de inicio y un token de separador), por lo que, en general, este límite será de 510 palabras para todas las oraciones.
SentenceSimilarity(RegressionCatalog+RegressionTrainers, SentenceSimilarityTrainer+SentenceSimilarityOptions)	Ajuste un modelo NAS-BERT para la similitud de oraciones NLP. El límite de cualquier oración es de 512 tokens. Cada palabra normalmente se asignará a un único token y agregaremos automáticamente 2 tokens especificados (un token de inicio y un token de separador), por lo que, en general, este límite será de 510 palabras para todas las oraciones.
SentenceSimilarity(RegressionCatalog+RegressionTrainers, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)	Ajuste un modelo NAS-BERT para la similitud de oraciones NLP. El límite de cualquier oración es de 512 tokens. Cada palabra normalmente se asignará a un único token y agregaremos automáticamente 2 tokens especificados (un token de inicio y un token de separador), por lo que, en general, este límite será de 510 palabras para todas las oraciones.
TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)	Ajuste un modelo NAS-BERT para la clasificación de NLP. El límite de cualquier oración es de 512 tokens. Cada palabra normalmente se asignará a un único token y agregaremos automáticamente 2 tokens especificados (un token de inicio y un token de separador), por lo que, en general, este límite será de 510 palabras para todas las oraciones.
TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, TextClassificationTrainer+TextClassificationOptions)	Ajuste un modelo NAS-BERT para la clasificación de NLP. El límite de cualquier oración es de 512 tokens. Cada palabra normalmente se asignará a un único token y agregaremos automáticamente 2 tokens especificados (un token de inicio y un token de separador), por lo que, en general, este límite será de 510 palabras para todas las oraciones.