Trénování se spaCy

Zpracování přirozeného jazyka s knihovnou spaCy

Azadeh Mobasher

Principal Data Scientist

Kroky trénování

Anotace a příprava vstupních dat
Deaktivace ostatních komponent pipeline
Trénování modelu na několik epoch
Vyhodnocení výkonu modelu

Deaktivace ostatních komponent pipeline

Deaktivace všech komponent pipeline kromě NER:

other_pipes = [pipe for pipe in nlp.pipe_names if pipe != 'ner']

nlp.disable_pipes(*other_pipes)

Postup trénování modelu

Trénovací sada se prochází opakovaně; jedna iterace se nazývá epoch.
V každé epoše se váhy modelu aktualizují o malou hodnotu.
Optimizátory aktualizují váhy modelu.

optimizer = nlp.create_optimizer()

losses = {}
for i in range(epochs):
  random.shuffle(training_data)

  for text, annotation in training_data:
    doc = nlp.make_doc(text)
    example = Example.from_dict(doc, annotation)

    nlp.update([example], sgd = optimizer, losses=losses)

Uložení a načtení natrénovaného modelu

Uložení natrénovaného modelu NER:

ner = nlp.get_pipe("ner")
ner.to_disk("<ner model name>")

Načtení uloženého modelu:

ner = nlp.create_pipe("ner")
ner.from_disk("<ner model name>")
nlp.add_pipe(ner, "<ner model name>")

Model pro inferenci

Použití uloženého modelu při inferenci.

Aplikace modelu NER a uložení n-tic (text entity, štítek entity):

doc = nlp(text)
entities = [(ent.text, ent.label_) for ent in doc.ents]

Pojďme cvičit!

Zpracování přirozeného jazyka s knihovnou spaCy