怎样将预训练模型反向序列化？

2023-05-22 15:33:22 554 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

REALM：检索增强预训练如何重构大模型知识获取范式检索增强生成（RAG）已成为解决大模型知识时效性问题的主流技术路径，但其应用层后置检索存在延迟高、模块割裂、泛化弱等固有瓶颈。REALM通过将检索能力深度耦合进语言模型预训练阶段，实现知识动态获取与语言建模的端到端联合优化——它不再依赖微调更新参数，也不依赖运行时临时检索，而是让模型在基础认知形成期就习得‘按需查证’的能力。该范式显著提升知识保鲜能力、跨任务泛化性与推理鲁棒性，尤其适用于金融、法律、医疗等对事实准确性与时效性要求严苛的垂直领域。本文深入解析REALM的预训练级检索架构设计、联合优化机制及工程阅读详情

使用了ML组件，下面的代码可以生成预训练模型model.zip：

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using Microsoft.ML;
using Microsoft.ML.Data;

namespace WindowsFormsApp1
{
    public partial class Form1 : Form
    {
        public Form1()
        {
            InitializeComponent();
        }

private void button1_Click(object sender, EventArgs e)
{

MLContext mlContext = new MLContext();
            InputData[] inputDatas = {
new InputData() { X_Value = 2.6F, Y_Value = 3.1F},
new InputData() { X_Value = 1.3F, Y_Value = 1.7F},
new InputData() { X_Value = 1.8F, Y_Value = 2.7F},
new InputData() { X_Value = 3.1F, Y_Value = 3.5F},
};
            IDataView trainingData = mlContext.Data.LoadFromEnumerable(inputDatas);
            var pipeline = mlContext.Transforms.Concatenate("Features", new[] { "X_Value" }).Append(mlContext.Regression.Trainers.Sdca(labelColumnName: "Y_Value", maximumNumberOfIterations: 100));
            var model = pipeline.Fit(trainingData);
            var testHouseDataView = mlContext.Data.LoadFromEnumerable(inputDatas);
            var testPriceDataView = model.Transform(testHouseDataView);
            var metrics = mlContext.Regression.Evaluate(testPriceDataView, labelColumnName: "Y_Value");
            mlContext.Model.Save(model, trainingData.Schema, "model.zip");

}
}
}

可是怎样使用这个模型呢？使用之前需要先反序列化，不知道怎么搞。

...全文