Platform For AI：文本摘要訓練

您可以在Designer中，通過可視化的方式配置組件參數。

• 輸入樁

  輸入樁（從左至右）	資料類型	建議上遊組件	是否必選
  訓練資料	OSS	讀OSS資料	是
  驗證資料	OSS	讀OSS資料	是

• 組件參數

  頁簽	參數	描述
  欄位設定	輸入資料格式	輸入檔案的文本列。預設值為title_tokens:str:1,content_tokens:str:1。
  	原文列選擇	原文在輸入表中對應的列名。預設值為content_tokens。
  	摘要列選擇	摘要在輸入表中對應的列名。預設值為title_tokens。
  	模型儲存路徑	配置OSS Bucket中的目錄，用來儲存文本摘要訓練產生的模型檔案。
  參數設定	預訓練模型	預訓練模型名稱，您可以在參數設定頁簽，選擇您需要的模型名稱。預設值為alibaba-pai/mt5-title-generation-zh。
  	批大小	訓練過程中的批處理大小。INT類型，預設值為8。 如果使用多機多卡，則表示每個GPU上的批處理大小。
  	文本最大長度	表示系統可處理的序列整體最大長度。INT類型，範圍為（1，512），預設值為512。
  	訓練輪數	訓練總Epoch的數量。INT類型，預設值為3。
  	學習率	模型構建過程中的學習率。FLOAT類型，預設值為3e~5。
  	儲存模型檔案步數	表示每訓練多少步，對模型進行評價，並儲存當前最優模型。預設值為150。
  	語言	支援的語言類型： zh：中文。 en：英文。
  	是否從原文中拷貝文本	輸出結果是否從文本中拷貝文本片段： false：（預設值），表示不拷貝。 true：表示拷貝。
  	解碼器最小長度	模型輸出長度大於該值，INT類型，預設值為12。
  	解碼器最大長度	模型輸出長度小於該值，INT類型，預設值為32。
  	最小不重複欄位	輸出結果中最小不重複欄位，INT類型，預設值為2。例如：該參數配置為1，則輸出結果中不會出現類似“天天”等內容。
  	集束搜尋數量	模型產生候選答案時的搜尋空間，INT類型，預設值為5。該值越大，預測越慢。
  	返回候選答案數量	模型返回的排名靠前的候選結果數量，INT類型，預設值為5。
  執行調優	GPU機型類型	計算資源的GPU機型，預設值為gn5-c8g1.2xlarge。

• 輸出樁

  輸出樁	資料類型	建議下遊組件	是否必選
  輸出模型	OSS路徑。該路徑是您在欄位設定頁簽的模型儲存路徑參數配置的OSS路徑，訓練產生的SavedModel格式的模型儲存在該路徑下。	文本摘要預測	否

您可以使用文本摘要訓練組件構建如下工作流程。本樣本中，您需要按照以下流程配置組件並運行工作流程：

1. 首先準備訓練資料集（cn_train.txt）和驗證資料集（cn_dev.txt），並上傳至OSS的Bucket。本樣本使用的資料集是通過定位字元分隔的TXT檔案。

   同時支援對CSV檔案的處理，您可以通過MaxCompute用戶端的Tunnel命令，將資料集上傳至MaxCompute。關於MaxCompute用戶端的安裝及配置，詳情請參見使用用戶端（odpscmd）串連；關於Tunnel命令的更多內容，詳情請參見Tunnel命令。

2. 使用讀OSS資料-1和讀OSS資料-2組件分別讀取訓練資料集和驗證資料集。即配置讀OSS資料組件的OSS資料路徑參數為存放訓練資料集和驗證資料集的OSS路徑。

3. 將訓練資料集和驗證資料集接入文本摘要訓練-1組件，並配置具體參數，詳情請參見上文的可視化配置組件參數。

4. 單擊按鈕運行工作流程。當工作流程運行成功後，您可以在文本摘要訓練-1的模型儲存路徑參數配置的OSS路徑下，查看輸出的文本摘要模型。