TextClassifier

מבצע סיווג על טקסט.

ה-API הזה מצפה למודל TFLite עם המטא-נתונים של המודלים של TFLite, שמכיל את רכיבי ה-tensor של הקלט (tensor) הנדרשים (מתוארים בהמשך) ואת פריטי התווית האופציונליים (אבל מומלץ) בתור AssociatedFiles עם הסוג TENSOR_AXIS_Labels לכל tensor סיווג פלט.

חובה למלא מטא-נתונים במודלים עם גורמי קלט מסוג int32, כי הם מכילים את יחידת תהליך הקלט של האסימון של המודל. אין צורך במטא-נתונים במודלים עם מחרוזות קלט של מחרוזות.

• רכיבי tensor לקלט
  • שלושה גורמי קלט (kTfLiteInt32) בצורה [batch_size x bert_max_seq_len] שמייצגים את מזהי הקלט, את מזהי המסכות ואת מזהי הפלחים. לחתימת הקלט הזו נדרשת יחידת תהליך של Bert Tokenizer במטא-נתונים של המודל.
  • או טנזור אחד של קלט (kTfLiteInt32) בצורה [batch_size x max_seq_len] שמייצג את מזהי הקלט. חתימת הקלט הזו מחייבת יחידת תהליך של אסימון ביטוי רגולרי במטא-נתונים של המודל.
  • או טנזור קלט אחד (kTfLiteString) ללא צורה או בעל צורה [1] שמכילה את מחרוזת הקלט.
• לפחות t tensor אחד של פלט (kTfLiteFloat32/kBool) עם:
  • N מחלקות וצורה [1 x N]
  • מיפויי תוויות אופציונליות (אבל מומלצות) כ-AssociatedFile-s עם הסוג TENSOR_AXIS_Labels, שמכילות תווית אחת בכל שורה. קובץ AssociatedFile הראשון (אם קיים כזה) משמש למילוי השדה class_name של התוצאות. השדה display_name ימולא מה-AssociatedFile (אם יש כזה) שהלוקאל שלו תואם לשדה display_names_locale של TextClassifierOptions, ששימש בזמן היצירה ('en' כברירת מחדל, כלומר אנגלית). אם אף אחת מהאפשרויות האלה לא זמינה, רק השדה index של התוצאות ימולא.