TorchSharpCatalog.TextClassification Metoda

Definicja

Przestrzeń nazw:

Microsoft.ML.TorchSharp

Zestaw:

Microsoft.ML.TorchSharp.dll

Pakiet:

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

Przeciążenia

TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, TextClassificationTrainer+TextClassificationOptions)	Dostosuj model NAS-BERT do klasyfikacji NLP. Limit dla dowolnego zdania to 512 tokenów. Każde słowo zazwyczaj będzie mapować na pojedynczy token i automatycznie dodajemy 2 tokeny specical (token początkowy i token separatora), więc ogólnie ten limit będzie wynosić 510 słów dla wszystkich zdań.
TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)	Dostosuj model NAS-BERT do klasyfikacji NLP. Limit dla dowolnego zdania to 512 tokenów. Każde słowo zazwyczaj będzie mapować na pojedynczy token i automatycznie dodajemy 2 tokeny specical (token początkowy i token separatora), więc ogólnie ten limit będzie wynosić 510 słów dla wszystkich zdań.

TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, TextClassificationTrainer+TextClassificationOptions)

Źródło:

TorchSharpCatalog.cs

Dostosuj model NAS-BERT do klasyfikacji NLP. Limit dla dowolnego zdania to 512 tokenów. Każde słowo zazwyczaj będzie mapować na pojedynczy token i automatycznie dodajemy 2 tokeny specical (token początkowy i token separatora), więc ogólnie ten limit będzie wynosić 510 słów dla wszystkich zdań.

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

Parametry

catalog

MulticlassClassificationCatalog.MulticlassClassificationTrainers

Wykaz przekształcenia.

options

TextClassificationTrainer.TextClassificationOptions

Opcje zaawansowane.

Zwraca

TextClassificationTrainer

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

Źródło:

TorchSharpCatalog.cs

Dostosuj model NAS-BERT do klasyfikacji NLP. Limit dla dowolnego zdania to 512 tokenów. Każde słowo zazwyczaj będzie mapować na pojedynczy token i automatycznie dodajemy 2 tokeny specical (token początkowy i token separatora), więc ogólnie ten limit będzie wynosić 510 słów dla wszystkich zdań.

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

Parametry

catalog

MulticlassClassificationCatalog.MulticlassClassificationTrainers

Wykaz przekształcenia.

labelColumnName

String

Nazwa kolumny etykiety. Kolumna powinna być typem klucza.

scoreColumnName

String

Nazwa kolumny wyników.

outputColumnName

String

Nazwa kolumny wyjściowej. Będzie to typ klucza. Jest to przewidywana etykieta.

sentence1ColumnName

String

Nazwa kolumny dla pierwszego zdania.

sentence2ColumnName

String

Nazwa kolumny dla drugiego zdania. Wymagane tylko wtedy, gdy klasyfikacja NLP wymaga par zdań.

batchSize

Int32

Liczba wierszy w partii.

maxEpochs

Int32

Maksymalna liczba razy do pętli przez zestaw treningowy.

architecture

BertArchitecture

Architektura modelu. Wartość domyślna to Roberta.

validationSet

IDataView

Zestaw weryfikacji używany podczas trenowania w celu poprawy jakości modelu.

Zwraca

TextClassificationTrainer