我想根据在运行时生成合同的模型来训练数据(这意味着在编译时这些字段是未知的)。这可以使用当前 ML.net 的 Train() 方法签名来实现吗?
到目前为止,我正在尝试通过传入 TInput 和 TOutput 对象(而不是 T 类)的实例来调用此 Train 方法。
我想根据在运行时生成合同的模型来训练数据(这意味着在编译时这些字段是未知的)。这可以使用当前 ML.net 的 Train() 方法签名来实现吗?
到目前为止,我正在尝试通过传入 TInput 和 TOutput 对象(而不是 T 类)的实例来调用此 Train 方法。
根据文档,LearningPipeline
只有一种方法Train<TIn, TOut>
用于训练,它暗示TIn
并且TOut
是实际的类:TIn
预测的输入和TOut
输出。
底层 ML.NET 代码实际上并不依赖于提前了解架构:该Train<TIn, TOut>
方法是我们决定向用户公开的一种方便方法。该决定的副作用是我们基本上禁止了像您这样的用例。
当然,当您知道数据的架构时,您仍然可以在运行时使用反射来生成类签名,但这是一种尴尬的解决方法。
我们正在开发的新 ML.NET API(请参阅本项目中的问题)将提升这一要求:您将能够在编译时对架构未知的数据进行训练。