Platform For AI：Prediksi Ringkasan Teks

Anda dapat mengonfigurasi parameter komponen Prediksi Ringkasan Teks di Machine Learning Designer.

• Port Input

  Port input (dari kiri ke kanan)	Tipe	Komponen hulu yang direkomendasikan	Diperlukan
  Data untuk prediksi	OSS	Baca Data File	Ya
  Model prediksi	Output komponen	Ringkasan Teks	Tidak

• Konfigurasikan Komponen

  Tab	Parameter	Deskripsi
  Fields Setting	Input Schema	Kolom teks dalam tabel input. Nilai default: target:str:1,source:str:1.
  	TextColumn	Nama kolom yang menyimpan teks sumber dalam tabel input. Nilai default: source.
  	AppendColumn	Nama kolom teks yang akan ditambahkan ke tabel output dari tabel input. Pisahkan beberapa nama kolom dengan koma (,). Nilai default: source.
  	Output Schema	Nama kolom yang menyimpan hasil ringkasan teks dalam tabel output. Nilai default: predictions,beams.
  	Output data file	Path tabel output dalam Bucket Object Storage Service (OSS).
  	Use User-defined Model	Menentukan apakah menggunakan model default PAI untuk melakukan prediksi. Nilai valid: yes no (default)
  	Whether the Model is a Megatron One	Hanya mendukung model ringkasan teks pre-train yang memiliki awalan mg. Nilai valid: yes no (default)
  	OSS Directory for Alink Model	Parameter ini diperlukan hanya jika Anda mengatur parameter Use User-defined Model ke yes. Path model kustom dalam bucket OSS.
  Parameters Setting	batchSize	Jumlah sampel yang diproses pada satu waktu. Nilai harus bertipe INT. Nilai default: 8. Jika model dilatih pada beberapa server dengan beberapa GPU, parameter ini menunjukkan jumlah sampel yang diproses oleh setiap GPU pada satu waktu.
  	sequenceLength	Panjang maksimum urutan. Nilai harus bertipe INT. Nilai valid: 1 hingga 512. Nilai default: 512.
  	The model language	Bahasa yang digunakan. Nilai valid: zh: Cina en: Inggris
  	Whether to copy text from input while decoding	Tentukan apakah menyalin teks. Nilai valid: false (default) true
  	The Minimal Length of the Predicted Sequence	Panjang minimal teks output, yang bertipe INT. Nilai default: 12. Teks output oleh model harus lebih panjang dari nilai yang ditentukan.
  	The Maximal Length of the Predicted Sequence	Panjang maksimal teks output, yang bertipe INT. Nilai default: 32. Teks output oleh model harus lebih pendek dari nilai yang ditentukan.
  	The Minimal Non-Repeated N-gram Size	Ukuran minimal frase n-gram non-ulang, yang bertipe INT. Nilai default: 2.
  	The Number of Beam Search Scope	Ruang pencarian beam, yang bertipe INT. Nilai default: 5.
  	The Number of Returned Candidate Sequences	Jumlah hasil yang dikembalikan, yang bertipe INT. Nilai default: 5. Penting Parameter ini harus diatur ke nilai dari The Number of Beam Search Scope.
  Execution Tuning	GPU Machine type	Tipe instance yang dipercepat GPU dari sumber daya komputasi. Nilai default: gn5-c8g1.2xlarge.

Anda dapat menggunakan komponen Prediksi Ringkasan Teks untuk membangun pipeline menggunakan salah satu metode berikut:

• Metode 1: Fine-tune model yang dilatih menggunakan komponen Ringkasan Teks.

• Metode 2: Gunakan model kustom.

Dalam contoh ini, lakukan operasi berikut untuk mengonfigurasi komponen dan menjalankan pipeline:

1. Bangun pipeline berdasarkan instruksi membangun pipeline Ringkasan Teks. Untuk informasi lebih lanjut, lihat bagian "Contoh" dalam topik Gunakan komponen Pelatihan Ringkasan Teks.

2. Siapkan dataset (predict_data.txt) untuk mana Anda ingin menghasilkan ringkasan dan unggah dataset ke bucket OSS. Dataset uji yang digunakan dalam contoh ini adalah file TXT yang dibatasi tab.

   Anda juga dapat mengunggah file CSV ke MaxCompute dengan menjalankan perintah Tunnel pada klien MaxCompute. Untuk informasi lebih lanjut tentang cara menginstal dan mengonfigurasi klien MaxCompute, lihat Klien MaxCompute (odpscmd). Untuk informasi lebih lanjut tentang perintah Tunnel, lihat Perintah Tunnel.

3. Gunakan komponen Read File Data - 3 dalam Metode 1 atau komponen Read File Data - 1 dalam Metode 2 untuk membaca dataset uji. Atur parameter OSS Data Path dari komponen Read File Data ke path OSS tempat dataset uji disimpan.

4. Sambungkan file model dan dataset uji ke komponen Text Summarization Predict dan atur parameter yang diperlukan. Untuk informasi lebih lanjut, lihat Konfigurasikan komponen di konsol PAI.

   • Jika Anda ingin menggunakan model yang fine-tuned oleh komponen Ringkasan Teks, konfigurasikan output komponen Text Summarization sebagai input komponen Text Summarization Predict.

   • Jika Anda ingin menggunakan model kustom, atur parameter Use User-defined Model ke yes pada tab Fields Setting dan atur parameter ModelSavePath ke path OSS tempat model disimpan.

5. Klik untuk menjalankan pipeline. Setelah Anda menjalankan pipeline, Anda dapat melihat output di path OSS yang Anda konfigurasikan dalam parameter Output data file dari komponen Text Summarization Predict.