微軟發布ML.NET 2.0　改善文字處理與AutoML功能

微軟已在先前正式推出.NET 7，近日又更新了跨平台針對.NET應用程式的機器學習框架ML.NET，最新發佈版本2.0，這個版本更新重點包含文字分類和語句相似度API，並且改進自動化機器學習功能。

ML.NET 2.0版本可以更好的支援文字分類場景，所提供的文字分類API可供用戶訓練模型，以分類文字資料，開發者可以透過模型建置器（Model Builder），來使用微軟的預訓練模型，並以文字分類API及資料來微調模型。

對此，微軟提到，這個自定義文字分類模型，是由微軟研究院以最新深度學習技術訓練而成，該文字分類功能支援CPU和GPU在本地端進行訓練，至於GPU的規格，除了需要能夠與CUDA相容之外，建議至少擁有6 GB專用記憶體。

此外，ML.NET 2.0還加入了語句相似度的API，與文字分類API底層使用相同TorchSharp NAS-BERT模型，差異的部份在於語句相似度API提供兩個語句的相似度數值，而不是預測類別。

由於要啟用文字分類和語句相似度等自然語言處理功能，ML.NET就必須要有能夠處理文字資料的方法，這通常需要使用到Tokenizer的技術；因此，微軟使用英文的Roberta模型來實作Tokenizer，也在Microsoft.ML.Tokenizers NuGet套件中發布ML.NET內的Tokenizer API，開發者就可以使用套件來匯入自定義詞彙表，並使用BPE Tokenizer來處理文字資料。

微軟也改進自動化機器學習（AutoML）功能，能夠自動化機器學習應用資料的過程，支援開發者在模型建置器和ML.NET CLI的開發體驗。（記者／竹二）

瀏覽 621 次