WordEmbeddingEstimator Klasse
Definition
Wichtig
Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.
Text-Featurizer, der Vektoren von Texttoken mithilfe eines vordefinierten Einbettungsmodells in einen numerischen Vektor konvertiert.
public sealed class WordEmbeddingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.Text.WordEmbeddingTransformer>type WordEmbeddingEstimator = class
interface IEstimator<WordEmbeddingTransformer>Public NotInheritable Class WordEmbeddingEstimator
Implements IEstimator(Of WordEmbeddingTransformer)- Vererbung
-
WordEmbeddingEstimator
- Implementiert
Hinweise
Schätzeigenschaften
| Muss dieser Schätzer die Daten untersuchen, um seine Parameter zu trainieren? | No |
| Eingabespaltendatentyp | Textvektor |
| Ausgabespaltendatentyp | Vektor bekannter Größe von Single |
| Exportierbar in ONNX | No |
Dies WordEmbeddingTransformer erzeugt eine neue Spalte, die gemäß den Parametern für die Ausgabespaltennamen angegeben ist, wobei jeder Eingabevektor einem numerischen Vektor mit der Größe 3 * Dimensionalität des verwendeten Einbettungsmodells zugeordnet wird. Beachten Sie, dass dies unabhängig von der Größe des Eingabevektors ist.
Wenn Sie beispielsweise GloVe50D verwenden, das selbst 50 dimensional ist, ist die Ausgabespalte ein Vektor der Größe 150. Das erste Drittel der Slots enthält die Mindestwerte in den Einbettungen, die jeder Zeichenfolge im Eingabevektor entsprechen. Das zweite Drittel enthält den Mittelwert der Einbettungen. Das letzte Drittel der Slots enthält maximale Werte für die aufgetretenen Einbettungen. Das Min/Max-Objekt stellt ein umgebendes Hyperrechteck für die Wörter im Einbettungsraum des Worts bereit. Dies kann bei längeren Ausdrücken hilfreich sein, bei denen der Mittelwert vieler Wörter das nützliche Signal überschreibt.
Der Benutzer kann ein benutzerdefiniertes vortrainiertes Einbettungsmodell oder eines der verfügbaren vorab trainierten Modelle angeben. Die verfügbaren Optionen sind verschiedene Versionen von GloVe Models, FastText und SSWE.
Im Abschnitt "Siehe auch" finden Sie Links zu Verwendungsbeispielen.
Methoden
| Name | Beschreibung |
|---|---|
| Fit(IDataView) |
Züge und Gibt einen WordEmbeddingTransformer. |
| GetOutputSchema(SchemaShape) |
Gibt das SchemaShape Schema zurück, das vom Transformator erzeugt wird. Wird für die Schemaverteilung und Überprüfung in einer Pipeline verwendet. |
Erweiterungsmethoden
| Name | Beschreibung |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Fügen Sie einen "Zwischenspeicherungsprüfpunkt" an die Schätzkette an. Dadurch wird sichergestellt, dass die nachgeschalteten Schätzer anhand zwischengespeicherter Daten trainiert werden. Es ist hilfreich, einen Zwischenspeicherprüfpunkt vor Trainern zu haben, die mehrere Datendurchläufe übernehmen. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Geben Sie bei einer Schätzung ein Wrapping-Objekt zurück, das eine Stellvertretung aufruft, sobald Fit(IDataView) sie aufgerufen wird. Es ist häufig wichtig, dass ein Schätzer Informationen zu dem, was passt, zurückgeben, weshalb die Fit(IDataView) Methode ein speziell typiertes Objekt und nicht nur ein allgemeines ITransformerObjekt zurückgibt. IEstimator<TTransformer> Gleichzeitig werden jedoch oft in Pipelines mit vielen Objekten gebildet, daher müssen wir möglicherweise eine Kette von Schätzern bauen, über EstimatorChain<TLastTransformer> die der Schätzer, für den wir den Transformator erhalten wollen, irgendwo in dieser Kette begraben wird. Für dieses Szenario können wir über diese Methode einen Delegat anfügen, der aufgerufen wird, sobald "Fit" aufgerufen wird. |