TorchSharpCatalog 類別

定義

命名空間:

Microsoft.ML.TorchSharp

組件:

Microsoft.ML.TorchSharp.dll

套件:

Microsoft.ML.TorchSharp v0.21.1

用來 MulticlassClassificationCatalog.MulticlassClassificationTrainers 建立 TorchSharp 定型器元件的實例的擴充方法集合。

public static class TorchSharpCatalog

type TorchSharpCatalog = class

Public Module TorchSharpCatalog

繼承

Object

TorchSharpCatalog

備註

這需要額外的 nuget 相依性，才能連結至 TorchSharp 原生 dll。 如需相關資訊，請參閱 ImageClassificationTrainer 。

方法

EvaluateObjectDetection(MulticlassClassificationCatalog, IDataView, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column)	評估計分物件偵測數據。
NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions)	微調具名實體辨識模型。
NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView)	微調具名實體辨識的 NAS-BERT 模型。 任何句子的限制是512個標記。 每個單字通常會對應至單一令牌，而且我們會在開始標記和分隔符標記 (自動新增 2 個規格標記) ，因此一般而言，此限制對所有句子而言都是 510 個字。
NameEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions)	已淘汰. 過時：請改用 NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions) 方法
NameEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView)	已淘汰. 過時：請改用 NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView) 方法
ObjectDetection(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ObjectDetectionTrainer+Options)	微調物件偵測模型。
ObjectDetection(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, String, Int32)	微調物件偵測模型。
QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, QATrainer+Options)	微調問題與答案的 ROBERTA 模型。 任何句子的限制是512個標記。 每個單字通常會對應至單一令牌，而且我們會在開始標記和分隔符標記 (自動新增 2 個規格標記) ，因此一般而言，此限制對所有句子而言都是 510 個字。
QuestionAnswer(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, String, Int32, Int32, Int32, BertArchitecture, IDataView)	微調問題與答案的 ROBERTA 模型。 任何句子的限制是512個標記。 每個單字通常會對應至單一令牌，而且我們會在開始標記和分隔符標記 (自動新增 2 個規格標記) ，因此一般而言，此限制對所有句子而言都是 510 個字。
SentenceSimilarity(RegressionCatalog+RegressionTrainers, SentenceSimilarityTrainer+SentenceSimilarityOptions)	微調 NLP 句子相似性的 NAS-BERT 模型。 任何句子的限制是512個標記。 每個單字通常會對應至單一令牌，而且我們會在開始標記和分隔符標記 (自動新增 2 個規格標記) ，因此一般而言，此限制對所有句子而言都是 510 個字。
SentenceSimilarity(RegressionCatalog+RegressionTrainers, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)	微調 NLP 句子相似性的 NAS-BERT 模型。 任何句子的限制是512個標記。 每個單字通常會對應至單一令牌，而且我們會在開始標記和分隔符標記 (自動新增 2 個規格標記) ，因此一般而言，此限制對所有句子而言都是 510 個字。
TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)	微調 NLP 分類的 NAS-BERT 模型。 任何句子的限制是512個標記。 每個單字通常會對應至單一令牌，而且我們會在開始標記和分隔符標記 (自動新增 2 個規格標記) ，因此一般而言，此限制對所有句子而言都是 510 個字。
TextClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, TextClassificationTrainer+TextClassificationOptions)	微調 NLP 分類的 NAS-BERT 模型。 任何句子的限制是512個標記。 每個單字通常會對應至單一令牌，而且我們會在開始標記和分隔符標記 (自動新增 2 個規格標記) ，因此一般而言，此限制對所有句子而言都是 510 個字。