AutoNLP چیست؟
AutoNLP یک چارچوب متن‌باز از Hugging Face است که بدون نوشتن کد، امکان ساخت مدل‌های یادگیری عمیق پیشرفته را فراهم می‌کند.
ربط بین AutoNLP و Prodigy در یادگیری فعال
Prodigy ابزار برچسب‌گذاری است که با AutoNLP ترکیب می‌شود تا فرآیند یادگیری فعال ساده و مؤثر شود. از طریق بازخورد کاربران، داده‌های برچسب‌گذاری شده به صورت تدریجی افزایش می‌یابد و مدل را بهبود می بخشد.
نحوه پیاده‌سازی یک پائپلاین یادگیری فعال
١. دادهای اولیه را در AutoNLP بارگذاری کنید.
٢. مدل اولیه را آموزش دهید.
٣. خروجی مدل را به Prodigy فوروارد کنید و برچسب‌گذاری کنید.
٤. داده‌های برچسب‌گذاری‌شده را دوباره در AutoNLP بارگذاری کنید و مدل را دوباره آموزش دهید.
٥. این چرخه تا رسیدن به دقت مطلوب ادامه یابد.
- بدون نیاز به دانش برنامه‌نویسی تخصصی
- پشتیبانی از انواع وظایف: طبقه‌بندی، Q&A، خلاصه‌سازی و …
- سرویس در نقطه‌ی انتهای تولید (Inference endpoint)
- یکپارچه‌سازی آسان با APIهای Hugging Face
پرسش‌های پرتکرار
یادگیری فعال چیست؟
یک فرایند تعاملی در یادگیری ماشین که در آن مدل به‌صورت دوره‌ای برچسب‌های جدید را دریافت و مدل خود را به‌روزرسانی می‌کند.
پروسه‌ی آماده سازی داده در Prodigy چگونه انجام می‌شود؟
Prodigy اجازه می‌دهد تا برچسب‌های داده برای مدلی که در AutoNLP آموزش داده شده، کوتاه‌وقت روی داده‌های جدید و واقعی را اضافه کنید و به‌صورت بلادرنگ برای یادگیری فعال فیچرهای جدید را بهینه کنید.
