NLP 设置

enable_tensorflow_textcnn

Enable Word-Based CNN TensorFlow Models for NLP

指定是否为 NLP 使用基于词的 CNN TensorFlow 模型。如果禁用了 TensorFlow 模型，则忽略此选项。我们建议您在不使用 GPU 的系统上禁用此选项。

enable_tensorflow_textbigru

Enable Word-Based BiGRU TensorFlow Models for NLP

指定是否为 NLP 使用基于词的 BiG-RU TensorFlow 模型。如果禁用了 TensorFlow 模型，则忽略此选项。我们建议您在不使用 GPU 的系统上禁用此选项。

enable_tensorflow_charcnn

Enable Character-Based CNN TensorFlow Models for NLP

指定是否为 NLP 使用字符级别的 CNN TensorFlow 模型。如果禁用了 TensorFlow 模型，则忽略此选项。我们建议您在不使用 GPU 的系统上禁用此选项。

enable_pytorch_nlp

Enable PyTorch Models for NLP (Experimental)

指定是否为 NLP 任务启用预训练的 PyTorch 模型并对其进行微调。此选项默认设置为 自动 。如果您想要将 BERT 等 PyTorch 模型用于特征工程或建模，则需要将此选项设置为 开启 。我们建议您在使用此选项时利用 GPU 来加速执行。

请注意：

  • 此项设置需要互联网连接。

  • 某些 PyTorch NLP 模型可能仅使用一个文本列。

pytorch_nlp_pretrained_models

Select Which Pretrained PyTorch NLP Models to Use

指定要使用的一个或多个预训练的 PyTorch NLP 模型。从以下模型中选择：

  • bert-base-uncased（默认）

  • distilbert-base-uncased（默认）

  • xlnet-base-cased

  • xlm-mlm-enfr-1024

  • roberta-base

  • albert-base-v2

  • camembert-base

  • xlm-roberta-base

请注意：

  • 此项设置需要互联网连接。

  • 默认未选择的模型可能不支持 MOJO 模型。

  • 使用类似于 BERT 的模型可能会导致实验需要更长时间才能完成。

tensorflow_max_epochs_nlp

Max TensorFlow Epochs for NLP

构建 TensorFlow NLP 特征（适用于文本数据）时，指定用于训练特征工程模型的最大时期数（此模型可能会提前停止）。时期数越多，运行时就越长。默认值为 2，并且如果禁用 TensorFlow 模型，将忽略此值。

enable_tensorflow_nlp_accuracy_switch

Accuracy Above Enable TensorFlow NLP by Default for All Models

指定准确度阈值。当以下 NLP 专家设置被设置为 自动 时，如果值等于或大于此阈值，将在实验开始时为文本主导型问题添加所有已启用的 TensorFlow NLP 模型。

  • 为 NLP 启用基于词的 CNN TensorFlow 模型

  • 为 NLP 启用基于词的 BigRU TensorFlow 模型

  • 为 NLP 启用基于字符的 CNN TensorFlow 模型

如果以上转换均设置为 开启，则忽略此参数。

准确度较低时，TensorFlow NLP 转换将仅作为突变创建。默认值为 5。

pytorch_nlp_fine_tuning_num_epochs

Number of Epochs for Fine-Tuning of PyTorch NLP Models

指定对 PyTorch NLP 模型进行微调时使用的时期数。默认值为 2。

pytorch_nlp_fine_tuning_batch_size

Batch Size for PyTorch NLP Models

指定 PyTorch NLP 模型的批量大小。默认值为 10。

请注意：较大的模型和批量大小会需要更多内存。

pytorch_nlp_fine_tuning_padding_length

Maximum Sequence Length for PyTorch NLP Models

指定 PyTorch NLP 模型的最大序列长度（填充长度）。默认值为 100。

请注意：较大的模型和填充长度会需要更多内存。

pytorch_nlp_pretrained_models_dir

Path to Pretrained PyTorch NLP Models

指定预训练的 PyTorch NLP 模型的路径。若需获得所有可用模型，请下载 http://s3.amazonaws.com/artifacts.h2o.ai/releases/ai/h2o/pretrained/bert_models.zip，然后提取文件夹并将其存储在安装了 Driverless AI 的实例上的目录中。

pytorch_nlp_pretrained_models_dir = /path/on/server/to/bert_models_folder

tensorflow_nlp_pretrained_embeddings_file_path

Path to Pretrained Embeddings for TensorFlow NLP Models

指定将用于 TensorFlow NLP 模型的预训练嵌套的路径。注意，这可以是本地文件系统中的路径 (/path/on/server/to/file.txt)，也可以是 S3 位置 (s3://)。

请注意：

tensorflow_nlp_pretrained_s3_access_key_id

S3 access key ID to use when tensorflow_nlp_pretrained_embeddings_file_path is set to an S3 location

当 tensorflow_nlp_pretrained_embeddings_file_path 设置为 S3 位置时，指定要使用的 S3 访问密钥 ID。更多信息，请参见 the entry on the tensorflow_nlp_pretrained_embeddings_file_path 专家设置。

tensorflow_nlp_pretrained_s3_secret_access_key

S3 secret access key to use when tensorflow_nlp_pretrained_embeddings_file_path is set to an S3 location

当 tensorflow_nlp_pretrained_embeddings_file_path 设置为 S3 位置时，指定要使用的 S3 密码访问密钥。更多信息，请参见 the entry on the tensorflow_nlp_pretrained_embeddings_file_path 专家设置。

tensorflow_nlp_pretrained_embeddings_trainable

For TensorFlow NLP, Allow Training of Unfrozen Pretrained Embeddings

指定是否允许训练神经网络图的所有权重，包括预训练的嵌套层的权重。如果禁用此项设置，则将冻结嵌套层。但是，仍将对所有其他权重进行微调。默认会禁用此项设置。

text_fraction_for_text_dominated_problem

Fraction of Text Columns Out of All Features to be Considered a Text-Dominanted Problem

指定要视为文本主导型问题的所有特征中文本列的分数。默认值为 0.3。

指定何时将字符串列作为文本（适用于 NLP 问题）或仅作为标准分类变量。值较高时，则偏向于将字符串列作为分类列，值较低时，则偏向于将字符串列作为文本列。默认值为 0.3。

text_transformer_fraction_for_text_dominated_problem

Fraction of Text per All Transformers to Trigger That Text Dominated

指定要视为文本主导型问题的所有特征中文本列的分数比。默认值为 0.3。

string_col_as_text_threshold

Threshold for String Columns to be Treated as Text

指定要作为文本处理的字符串列数阈值（从 0 到 1）（0.0 - 文本；1.0 - 字符串）。默认值为 0.3。

text_transformers_max_vocabulary_size

Max Size of the Vocabulary for Text Transformers

在拟合基于 Tfidf/Count 的文本转换器的过程中创建的最大标识符数量。如果提供了多个值，则将第一个值用于初始模型，并在参数调优和特征演变过程中使用其他值。默认值为 [1000, 5000]。若需加速，则建议使用小于 10000 的值。