Platform For AI:テキストの要約

Machine Learning Designerで、テキスト要約トレーニングコンポーネントのパラメーターを設定できます。

• 入力ポート

  入力ポート (左から右へ)	データ型	推奨上流コンポーネント	必須
  トレーニングデータ	OSS	ファイルデータの読み取り	可
  検証データ	OSS	ファイルデータの読み取り	可

• コンポーネントパラメータ

  タブ	パラメーター	説明
  フィールド設定	入力スキーマ	入力ファイルのテキスト列。 デフォルト値: title_tokens:str:1,content_tokens:str:1
  	TextColumn	入力テーブルの元のテキストに対応する列の名前。 デフォルト値: content_tokens
  	SummaryColumn	入力テーブルのサマリーに対応する列の名前。 デフォルト値: title_tokens。
  	AlinkモデルのOSSディレクトリ	生成されたテキスト要約モデルをObject Storage Service (OSS) バケットに格納するために使用されるディレクトリ。
  パラメーター設定	事前トレーニング済みモデル	事前トレーニング済みモデルの名前。 [パラメータ設定] タブでモデルを選択できます。 デフォルト値: alibaba-pai/mt5-title-generation-zh
  	batchSize	バッチごとに処理されるサンプルの数。 値はINT型でなければなりません。 デフォルト値: 8。 モデルが複数のGPUを持つ複数のサーバーでトレーニングされている場合、このパラメーターは、バッチ内の各GPUによって処理されるサンプルの数を示します。
  	sequenceLength	システムで処理できるシーケンスの最大長。 値はINT型でなければなりません。 有効な値: 1 ~ 512 デフォルト値: 512
  	numEpochs	モデルトレーニングのエポック数。 値はINT型でなければなりません。 デフォルト値: 3。
  	LearningRate	モデルトレーニング中の学習率。 値はFLOAT型でなければなりません。 デフォルト値: 3e-5。
  	チェックポイントステップの保存	システムがモデルを評価し、最適なモデルを保存する前に実行されるステップの数。 デフォルト値: 150
  	モデル言語	有効な値： zh: 中国語 en：英語
  	デコード中に入力からテキストをコピーするかどうか	入力テーブルから出力テーブルにテキストをコピーするかどうかを指定します。 有効な値： false (デフォルト): いいえ true：インストールします。
  	予測シーケンスの最小長さ	出力テキストの最小長。INT型です。 デフォルト値: 12。
  	予測シーケンスの最大長	出力テキストの最大長 (INT型) 。 デフォルト値: 32。
  	最小非反復Nグラムサイズ	繰り返されないn-gram句の最小サイズ。INTタイプです。 デフォルト値：2 たとえば、パラメーターを1に設定した場合、出力テキストには「天天」などの文字列は含まれません。
  	ビーム検索スコープの数	ビーム検索を使用して、INTタイプの最良の候補シーケンスを選択する場合の検索範囲。 既定値：5 値が大きいほど検索時間が長いことを示す。
  	返される候補シーケンスの数	モデルによって返される最上位の候補シーケンスの数 (INTタイプ) 。 既定値：5
  実行チューニング	GPUマシンタイプ	コンピューティングリソースのGPU高速化インスタンスタイプ。 デフォルト値: gn5-c8g1.2xlarge

• 出力ポート

  出力ポート	データ型	推奨下流コンポーネント	必須
  出力モデル	出力モデルのOSSパス。 このパラメーターの値は、[フィールドの設定] タブで設定したModelSavePathパラメーターの値と同じです。 SavedModel形式の出力モデルは、このOSSパスに格納されます。	テキスト要約予測コンポーネントの使用	不可

次の図は、テキスト要約トレーニングコンポーネントが使用されるサンプルのワークフローを示しています。 この例では、コンポーネントが設定され、パイプラインが次の方法で実行されます。

1. トレーニングデータセット (cn_train.txt) と評価データセット (cn_dev.txt) を準備し、OSSバケットにアップロードします。 この例で使用されるトレーニングデータセットと検証データセットは、タブで区切られたTXTファイルです。

   MaxComputeクライアントでTunnelコマンドを実行して、CSVファイルをMaxComputeにアップロードすることもできます。 MaxComputeクライアントをインストールおよび設定する方法の詳細については、「MaxComputeクライアント (odpscmd) 」をご参照ください。 Tunnelコマンドの詳細については、「Tunnelコマンド」をご参照ください。

2. [Read File Data - 1] および [Read File Data - 2] コンポーネントを使用して、トレーニングデータセットと評価データセットを読み取ります。 [ファイルデータの読み取り] コンポーネントの [OSSデータパス] パラメーターを、トレーニングデータセットと評価データセットが保存されているOSSパスに設定します。

3. トレーニングデータセットと評価データセットをテキスト要約トレーニング-1コンポーネントの入力ファイルとして設定し、その他のパラメーターを設定します。 詳細については、このトピックの「PAIコンソールでコンポーネントを構成する」セクションを参照してください。

4. クリックしてパイプラインを実行します。 パイプラインの実行後、Text Summarization Training-1のModelSavePathパラメーターで指定されたOSSパスで出力を表示できます。