语言

TorchSharpCatalog 类

定义

用于 MulticlassClassificationCatalog.MulticlassClassificationTrainers 创建 TorchSharp 训练程序组件的实例的扩展方法集合。

public static class TorchSharpCatalog
type TorchSharpCatalog = class
Public Module TorchSharpCatalog
继承
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

名称 说明
EvaluateObjectDetection(MulticlassClassificationCatalog, IDataView, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column, DataViewSchema+Column)

评估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令牌,我们会自动添加 2 个规范标记(一个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:请改用该方法NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, NerTrainer+NerOptions)

NameEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView)
已过时.

已过时:请改用该方法NamedEntityRecognition(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Int32, Int32, BertArchitecture, IDataView)

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 ROBERTA 模型进行问答。 任何句子的限制为 512 个标记。 每个单词通常映射到单个令牌,我们会自动添加 2 个规范标记(一个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 ROBERTA 模型进行问答。 任何句子的限制为 512 个标记。 每个单词通常映射到单个令牌,我们会自动添加 2 个规范标记(一个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)

微调 NLP 句子相似性 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令牌,我们会自动添加 2 个规范标记(一个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)

微调 NLP 句子相似性 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令牌,我们会自动添加 2 个规范标记(一个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令牌,我们会自动添加 2 个规范标记(一个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令牌,我们会自动添加 2 个规范标记(一个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。

适用于