TorchSharpCatalog.QuestionAnswer Metoda
Definicja
Ważne
Niektóre informacje odnoszą się do produktu w wersji wstępnej, który może zostać znacząco zmodyfikowany przed wydaniem. Firma Microsoft nie udziela żadnych gwarancji, jawnych lub domniemanych, w odniesieniu do informacji podanych w tym miejscu.
Przeciążenia
| QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, QATrainer+Options) |
Dostrajanie modelu ROBERTA dla pytań i odpowiedzi. Limit dla dowolnego zdania to 512 tokenów. Każde słowo zwykle mapuje się na pojedynczy token i automatycznie dodajemy 2 tokeny specical (token początkowy i token separatora), więc ogólnie ten limit będzie zawierać 510 wyrazów dla wszystkich zdań. |
| QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, String, Int32, Int32, Int32, BertArchitecture, IDataView) |
Dostrajanie modelu ROBERTA dla pytań i odpowiedzi. Limit dla dowolnego zdania to 512 tokenów. Każde słowo zwykle mapuje się na pojedynczy token i automatycznie dodajemy 2 tokeny specical (token początkowy i token separatora), więc ogólnie ten limit będzie zawierać 510 wyrazów dla wszystkich zdań. |
QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, QATrainer+Options)
- Źródło:
- TorchSharpCatalog.cs
- Źródło:
- TorchSharpCatalog.cs
- Źródło:
- TorchSharpCatalog.cs
Dostrajanie modelu ROBERTA dla pytań i odpowiedzi. Limit dla dowolnego zdania to 512 tokenów. Każde słowo zwykle mapuje się na pojedynczy token i automatycznie dodajemy 2 tokeny specical (token początkowy i token separatora), więc ogólnie ten limit będzie zawierać 510 wyrazów dla wszystkich zdań.
public static Microsoft.ML.TorchSharp.Roberta.QATrainer QuestionAnswer(this Microsoft.ML.MulticlassClassificationCatalog.MulticlassClassificationTrainers catalog, Microsoft.ML.TorchSharp.Roberta.QATrainer.Options options);static member QuestionAnswer : Microsoft.ML.MulticlassClassificationCatalog.MulticlassClassificationTrainers * Microsoft.ML.TorchSharp.Roberta.QATrainer.Options -> Microsoft.ML.TorchSharp.Roberta.QATrainer<Extension()>
Public Function QuestionAnswer (catalog As MulticlassClassificationCatalog.MulticlassClassificationTrainers, options As QATrainer.Options) As QATrainerParametry
Wykaz przekształcenia.
- options
- QATrainer.Options
Opcje kontroli jakości.
Zwraca
Dotyczy
QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, String, Int32, Int32, Int32, BertArchitecture, IDataView)
- Źródło:
- TorchSharpCatalog.cs
- Źródło:
- TorchSharpCatalog.cs
- Źródło:
- TorchSharpCatalog.cs
Dostrajanie modelu ROBERTA dla pytań i odpowiedzi. Limit dla dowolnego zdania to 512 tokenów. Każde słowo zwykle mapuje się na pojedynczy token i automatycznie dodajemy 2 tokeny specical (token początkowy i token separatora), więc ogólnie ten limit będzie zawierać 510 wyrazów dla wszystkich zdań.
public static Microsoft.ML.TorchSharp.Roberta.QATrainer QuestionAnswer(this Microsoft.ML.MulticlassClassificationCatalog.MulticlassClassificationTrainers catalog, string contextColumnName = "Context", string questionColumnName = "Question", string trainingAnswerColumnName = "TrainingAnswer", string answerIndexColumnName = "AnswerIndex", string predictedAnswerColumnName = "Answer", string scoreColumnName = "Score", int topK = 3, int batchSize = 4, int maxEpochs = 10, Microsoft.ML.TorchSharp.NasBert.BertArchitecture architecture = Microsoft.ML.TorchSharp.NasBert.BertArchitecture.Roberta, Microsoft.ML.IDataView validationSet = default);static member QuestionAnswer : Microsoft.ML.MulticlassClassificationCatalog.MulticlassClassificationTrainers * string * string * string * string * string * string * int * int * int * Microsoft.ML.TorchSharp.NasBert.BertArchitecture * Microsoft.ML.IDataView -> Microsoft.ML.TorchSharp.Roberta.QATrainer<Extension()>
Public Function QuestionAnswer (catalog As MulticlassClassificationCatalog.MulticlassClassificationTrainers, Optional contextColumnName As String = "Context", Optional questionColumnName As String = "Question", Optional trainingAnswerColumnName As String = "TrainingAnswer", Optional answerIndexColumnName As String = "AnswerIndex", Optional predictedAnswerColumnName As String = "Answer", Optional scoreColumnName As String = "Score", Optional topK As Integer = 3, Optional batchSize As Integer = 4, Optional maxEpochs As Integer = 10, Optional architecture As BertArchitecture = Microsoft.ML.TorchSharp.NasBert.BertArchitecture.Roberta, Optional validationSet As IDataView = Nothing) As QATrainerParametry
Wykaz przekształcenia.
- contextColumnName
- String
Kontekst pytania.
- questionColumnName
- String
Pytanie, które jest zadawane.
- trainingAnswerColumnName
- String
Odpowiedź używana do trenowania modelu.
- answerIndexColumnName
- String
Początkowy indeks znaków tej odpowiedzi w kontekście.
- predictedAnswerColumnName
- String
Odpowiedź przewidywana przez model podczas wnioskowania.
- scoreColumnName
- String
Wynik przewidywanych odpowiedzi.
- topK
- Int32
Ile najlepszych wyników chcesz wrócić do danego pytania.
- batchSize
- Int32
Liczba wierszy w partii.
- maxEpochs
- Int32
Maksymalna liczba powtórzeń w pętli za pośrednictwem zestawu treningowego.
- architecture
- BertArchitecture
Architektura modelu. Domyślnie jest to Roberta.
- validationSet
- IDataView
Zestaw weryfikacji używany podczas trenowania w celu poprawy jakości modelu.