TorchSharpCatalog Classe
Définition
Important
Certaines informations portent sur la préversion du produit qui est susceptible d’être en grande partie modifiée avant sa publication. Microsoft exclut toute garantie, expresse ou implicite, concernant les informations fournies ici.
Collection de méthodes d’extension pour MulticlassClassificationCatalog.MulticlassClassificationTrainers créer des instances de composants de formateur TorchSharp.
public static class TorchSharpCatalogtype TorchSharpCatalog = classPublic Module TorchSharpCatalog- Héritage
-
TorchSharpCatalog
Remarques
Cela nécessite des dépendances nuget supplémentaires à lier aux DLL natives TorchSharp. Consultez la rubrique ImageClassificationTrainer (éventuellement en anglais) pour plus d'informations.
Méthodes
| EvaluateObjectDetection(MulticlassClassificationCatalog, IDataView, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column) |
Évalue les données de détection d’objets notés. |
| NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions) |
Ajustez un modèle de reconnaissance d’entité nommée. |
| NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView) |
Ajustez un modèle NAS-BERT pour la reconnaissance d’entité nommée. La limite pour toute phrase est de 512 jetons. Chaque mot est généralement mappé à un seul jeton, et nous ajoutons automatiquement 2 jetons spécifiques (un jeton de début et un jeton de séparation). En général, cette limite sera de 510 mots pour toutes les phrases. |
| NameEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions) |
Obsolète.
Obsolète : utilisez la méthode à la NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions) place |
| NameEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView) |
Obsolète.
Obsolète : utilisez la méthode à la NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView) place |
| ObjectDetection(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ObjectDetectionTrainer+Options) |
Ajuster un modèle de détection d’objet. |
| ObjectDetection(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, String, Int32) |
Ajuster un modèle de détection d’objet. |
| QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, QATrainer+Options) |
Ajustez un modèle ROBERTA pour les questions et réponses. La limite pour toute phrase est de 512 jetons. Chaque mot est généralement mappé à un seul jeton, et nous ajoutons automatiquement 2 jetons spécifiques (un jeton de début et un jeton de séparation). En général, cette limite sera de 510 mots pour toutes les phrases. |
| QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, String, Int32, Int32, Int32, BertArchitecture, IDataView) |
Ajustez un modèle ROBERTA pour les questions et réponses. La limite pour toute phrase est de 512 jetons. Chaque mot est généralement mappé à un seul jeton, et nous ajoutons automatiquement 2 jetons spécifiques (un jeton de début et un jeton de séparation). En général, cette limite sera de 510 mots pour toutes les phrases. |
| SentenceSimilarity(RegressionCatalog+RegressionTrainers, SentenceSimilarityTrainer+SentenceSimilarityOptions) |
Ajustez un modèle NAS-BERT pour la similarité de phrase NLP. La limite pour toute phrase est de 512 jetons. Chaque mot est généralement mappé à un seul jeton, et nous ajoutons automatiquement 2 jetons spécifiques (un jeton de début et un jeton de séparation). En général, cette limite sera de 510 mots pour toutes les phrases. |
| SentenceSimilarity(RegressionCatalog+RegressionTrainers, String, String, String, String, Int32, Int32, BertArchitecture, IDataView) |
Ajustez un modèle NAS-BERT pour la similarité de phrase NLP. La limite pour toute phrase est de 512 jetons. Chaque mot est généralement mappé à un seul jeton, et nous ajoutons automatiquement 2 jetons spécifiques (un jeton de début et un jeton de séparation). En général, cette limite sera de 510 mots pour toutes les phrases. |
| TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, Int32, Int32, BertArchitecture, IDataView) |
Ajustez un modèle NAS-BERT pour la classification NLP. La limite pour toute phrase est de 512 jetons. Chaque mot est généralement mappé à un seul jeton, et nous ajoutons automatiquement 2 jetons spécifiques (un jeton de début et un jeton de séparation). En général, cette limite sera de 510 mots pour toutes les phrases. |
| TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, TextClassificationTrainer+TextClassificationOptions) |
Ajustez un modèle NAS-BERT pour la classification NLP. La limite pour toute phrase est de 512 jetons. Chaque mot est généralement mappé à un seul jeton, et nous ajoutons automatiquement 2 jetons spécifiques (un jeton de début et un jeton de séparation). En général, cette limite sera de 510 mots pour toutes les phrases. |