Platform For AI：Ringkasan Teks

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

• Port Input

  Port Input (dari kiri ke kanan)	Tipe Data	Komponen hulu yang direkomendasikan	Diperlukan
  Data pelatihan	OSS	Baca Data Berkas	Ya
  Data validasi	OSS	Baca Data Berkas	Ya

• Parameter Komponen

  Tab	Parameter	Deskripsi
  Fields Setting	Input Schema	Kolom teks dari file input. Nilai default: target:str:1,source:str:1.
  	TextColumn	Nama kolom yang sesuai dengan teks asli dalam tabel input. Nilai default: source.
  	SummaryColumn	Nama kolom yang sesuai dengan ringkasan dalam tabel input. Nilai default: target.
  	OSS Directory for Alink Model	Direktori yang digunakan untuk menyimpan model ringkasan teks yang dihasilkan dalam Bucket Object Storage Service (OSS).
  Parameters Setting	Pretrained Model	Nama model pra-latih. Anda dapat memilih model pada tab Pengaturan Parameter. Nilai default: alibaba-pai/mt5-title-generation-zh.
  	batchSize	Jumlah sampel yang diproses per batch. Nilai harus bertipe INT. Nilai default: 16. Jika model dilatih pada beberapa server yang memiliki beberapa GPU, parameter ini menunjukkan jumlah sampel yang diproses oleh setiap GPU dalam satu batch.
  	sequenceLength	Panjang maksimum urutan yang dapat diproses oleh sistem. Nilai harus bertipe INT. Nilai valid: 1 hingga 512. Nilai default: 512.
  	numEpochs	Jumlah epoch untuk pelatihan model. Nilai harus bertipe INT. Nilai default: 3.
  	LearningRate	Tingkat pembelajaran selama pelatihan model. Nilai harus bertipe FLOAT. Nilai default: 3e-5.
  	Save Checkpoint Steps	Jumlah langkah yang dilakukan sebelum sistem mengevaluasi model dan menyimpan model optimal. Nilai default: 150.
  	The model language	Nilai valid: zh: Mandarin en: Inggris
  	Whether to copy text from input while decoding	Tentukan apakah menyalin teks dari tabel input ke tabel output. Nilai valid: false (default): tidak true: ya
  	The Minimal Length of the Predicted Sequence	Panjang minimal teks keluaran, yang bertipe INT. Nilai default: 12.
  	The Maximal Length of the Predicted Sequence	Panjang maksimal teks keluaran, yang bertipe INT. Nilai default: 32.
  	The Minimal Non-Repeated N-gram Size	Ukuran minimal frase n-gram non-ulang, yang bertipe INT. Nilai default: 2. Sebagai contoh, jika Anda mengatur parameter ini ke 1, teks keluaran tidak akan mencakup string seperti "天天".
  	The Number of Beam Search Scope	Ruang pencarian ketika beam search digunakan untuk memilih urutan kandidat terbaik, yang bertipe INT. Nilai default: 5. Nilai lebih besar menunjukkan waktu pencarian lebih lama.
  	The Number of Returned Candidate Sequences	Jumlah urutan kandidat teratas yang dikembalikan oleh model, yang bertipe INT. Nilai default: 5.
  Execution Tuning	GPU Machine type	Tipe instans akselerasi GPU dari sumber daya komputasi. Nilai default: gn5-c8g1.2xlarge.

• Port Output

  Port Keluaran	Tipe Data	Komponen hilir yang direkomendasikan	Diperlukan
  model keluaran	Path OSS dari model keluaran. Nilai parameter ini sama dengan nilai parameter ModelSavePath yang Anda atur pada tab Fields Setting. Model keluaran dalam format SavedModel disimpan di path OSS ini.	Gunakan komponen Prediksi Ringkasan Teks	Tidak

Gambar berikut menunjukkan alur kerja sampel di mana komponen Pelatihan Ringkasan Teks digunakan. Dalam contoh ini, komponen dikonfigurasi dan pipeline dijalankan dengan cara berikut:

1. Siapkan set data pelatihan (cn_train.txt) dan set data evaluasi (cn_dev.txt) dan unggah ke Bucket OSS. Set data pelatihan dan validasi 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.

2. Gunakan komponen Read File Data - 1 dan Read File Data - 2 untuk membaca set data pelatihan dan set data evaluasi. Atur parameter OSS Data Path dari komponen Read File Data ke path OSS tempat set data pelatihan dan set data evaluasi disimpan.

3. Konfigurasikan set data pelatihan dan set data evaluasi sebagai file input dari komponen Text Summarization Training-1 dan atur parameter lainnya. Untuk informasi lebih lanjut, lihat bagian "Konfigurasikan komponen di Konsol PAI" dari topik ini.

4. Klik untuk menjalankan pipeline. Setelah Anda menjalankan pipeline, Anda dapat melihat keluaran di path OSS yang ditentukan dalam parameter ModelSavePath dari Text Summarization Training-1.