def __init__(self, model: nn.Module, loss: BaseLoss): """ Distance Intent 분류 모델을 학습시키고 테스트 및 추론합니다. :param model: Intent Classification 모델 :param loss: Loss 함수 종류 """ self.loss = loss.to(self.device) super().__init__(model, model.parameters()) if len(list(loss.parameters())) != 0: loss_opt = SGD(params=loss.parameters(), lr=self.loss_lr) self.optimizers.append(loss_opt)
def __init__(self, model: nn.Module, loss: BaseLoss): """ Distance Intent 분류 모델을 학습시키고 테스트 및 추론합니다. :param model: Intent Classification 모델 :param loss: Loss 함수 종류 """ self.label_dict = model.label_dict self.loss = loss.to(self.device) self.distance_estimator = DistanceEstimator(self.grid_search) self.fallback_detector = FallbackDetector(self.label_dict, self.grid_search) super().__init__(model, model.parameters()) if len(list(loss.parameters())) != 0: loss_opt = SGD(params=loss.parameters(), lr=self.loss_lr) self.optimizers.append(loss_opt)
def __init__(self, model: nn.Module, loss: BaseLoss): """ 개체명 인식 (Named Entity Recognition) 모델을 학습시키고 테스트 및 추론을 진행합니다. Loss함수를 변경해서 CRF를 추가할 수 있습니다. :param model: NER 모델 :param loss: Loss 함수 종류 :param masking: Loss 계산시 masking 여부 """ self.label_dict = model.label_dict self.loss = loss.to(self.device) self.mask = Masking() if self.masking else None self.parameters = list(model.parameters()) if len(list(loss.parameters())) != 0: self.parameters += list(loss.parameters()) model = self.__add_classifier(model) super().__init__(model, self.parameters)
def __init__(self, model: nn.Module, loss: BaseLoss): """ Distance Intent 분류 모델을 학습시키고 테스트 및 추론합니다. :param model: Intent Classification 모델 :param loss: Loss 함수 종류 """ self.loss = loss.to(self.device) self.softmax = nn.Softmax(dim=1) super().__init__(model, model.parameters())
def __init__(self, model: nn.Module, loss: BaseLoss): """ Distance Intent 분류 모델을 학습시키고 테스트 및 추론합니다. :param model: Intent Classification 모델 :param loss: Loss 함수 종류 """ self.label_dict = model.label_dict self.loss = loss.to(self.device) self.fallback_detector = FallbackDetector(self.label_dict, self.grid_search) self.softmax = nn.Softmax(dim=1) super().__init__(model, model.parameters())