#release_notes
Релиз ноуты для версии 0.2.16:
General:
* удаление профайлера -> возможность использовать DataParallel при обучении Bert моделей (параметр multigpu в nn_params)!
NLP:
* Миграция на gensim >=4.
* Возможность принудительно считать тяжелые NLP модули без GPU (Random LSTM, Pooled Bert, etc).
* Изменение логики выбора параметров по умолчанию: удаление NN из пайплайна при отсутствии GPU, язык и bert-модель задаются одновременно для autonlp и nn через text_params, изменена логика проверки размера эмбеддингов в AutoNLP.
* Добавлены разные варианты нормировки эмбеддингов для модуля AutoNLP.
Интерпретация:
* Минорные изменения LIME - выведено предсказание AutoML и шкала значений.
* Для NLP стал доступен алгоритм локальной интерпретации L2X. Он находит наиболее информативные токены по отношению к целевой переменной по мнению модели AutoML, оптимизируя взаимную информацию. Более подробно о блоке интерпретации NLP моделей можно узнать в туториале
Релиз ноуты для версии 0.2.16:
General:
* удаление профайлера -> возможность использовать DataParallel при обучении Bert моделей (параметр multigpu в nn_params)!
NLP:
* Миграция на gensim >=4.
* Возможность принудительно считать тяжелые NLP модули без GPU (Random LSTM, Pooled Bert, etc).
* Изменение логики выбора параметров по умолчанию: удаление NN из пайплайна при отсутствии GPU, язык и bert-модель задаются одновременно для autonlp и nn через text_params, изменена логика проверки размера эмбеддингов в AutoNLP.
* Добавлены разные варианты нормировки эмбеддингов для модуля AutoNLP.
Интерпретация:
* Минорные изменения LIME - выведено предсказание AutoML и шкала значений.
* Для NLP стал доступен алгоритм локальной интерпретации L2X. Он находит наиболее информативные токены по отношению к целевой переменной по мнению модели AutoML, оптимизируя взаимную информацию. Более подробно о блоке интерпретации NLP моделей можно узнать в туториале