TorchSharpCatalog 类

定义

命名空间:

Microsoft.ML.TorchSharp

程序集:

Microsoft.ML.TorchSharp.dll

包:

Microsoft.ML.TorchSharp v0.21.1

用于创建 TorchSharp 训练器组件实例的扩展方法 MulticlassClassificationCatalog.MulticlassClassificationTrainers 的集合。

public static class TorchSharpCatalog

type TorchSharpCatalog = class

Public Module TorchSharpCatalog

继承

Object

TorchSharpCatalog

注解

这需要额外的 nuget 依赖项才能链接到 TorchSharp 本机 dll。 有关详细信息，请参阅ImageClassificationTrainer。

方法

EvaluateObjectDetection(MulticlassClassificationCatalog, IDataView, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column)	评估已评分的对象检测数据。
NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions)	微调命名实体识别模型。
NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView)	微调命名实体识别的 NAS-BERT 模型。 任何句子的限制为 512 个标记。 每个单词通常映射到单个标记，我们自动添加 2 个特定标记 (开始标记和分隔符标记) 因此，对于所有句子，此限制通常为 510 个单词。
NameEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions)	已过时. 已过时：请改用 NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions) 方法
NameEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView)	已过时. 已过时：请改用 NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView) 方法
ObjectDetection(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ObjectDetectionTrainer+Options)	微调对象检测模型。
ObjectDetection(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, String, Int32)	微调对象检测模型。
QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, QATrainer+Options)	微调“问答”的 ROBERTA 模型。 任何句子的限制为 512 个标记。 每个单词通常映射到单个标记，我们自动添加 2 个特定标记 (开始标记和分隔符标记) 因此，对于所有句子，此限制通常为 510 个单词。
QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, String, Int32, Int32, Int32, BertArchitecture, IDataView)	微调“问答”的 ROBERTA 模型。 任何句子的限制为 512 个标记。 每个单词通常映射到单个标记，我们自动添加 2 个特定标记 (开始标记和分隔符标记) 因此，对于所有句子，此限制通常为 510 个单词。
SentenceSimilarity(RegressionCatalog+RegressionTrainers, SentenceSimilarityTrainer+SentenceSimilarityOptions)	针对 NLP 句子相似性微调 NAS-BERT 模型。 任何句子的限制为 512 个标记。 每个单词通常映射到单个标记，我们自动添加 2 个特定标记 (开始标记和分隔符标记) 因此，对于所有句子，此限制通常为 510 个单词。
SentenceSimilarity(RegressionCatalog+RegressionTrainers, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)	针对 NLP 句子相似性微调 NAS-BERT 模型。 任何句子的限制为 512 个标记。 每个单词通常映射到单个标记，我们自动添加 2 个特定标记 (开始标记和分隔符标记) 因此，对于所有句子，此限制通常为 510 个单词。
TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)	微调 NLP 分类的 NAS-BERT 模型。 任何句子的限制为 512 个标记。 每个单词通常映射到单个标记，我们自动添加 2 个特定标记 (开始标记和分隔符标记) 因此，对于所有句子，此限制通常为 510 个单词。
TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, TextClassificationTrainer+TextClassificationOptions)	微调 NLP 分类的 NAS-BERT 模型。 任何句子的限制为 512 个标记。 每个单词通常映射到单个标记，我们自动添加 2 个特定标记 (开始标记和分隔符标记) 因此，对于所有句子，此限制通常为 510 个单词。