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())