TextClassifier

Przeprowadza klasyfikację tekstu.

Ten interfejs API wymaga modelu TFLite z (opcjonalnymi) metadanymi modelu TFLite, który zawiera wymagane (opisane poniżej) tensory wejściowe i tensor danych wyjściowych oraz opcjonalne (ale zalecane) elementy oznaczające elementy jako Powiązane pliki typu TENSOR_AXIS_LABELS dla każdego tensora klasyfikacji danych wyjściowych.

Metadane są wymagane w przypadku modeli z tensorami wejściowymi int32, ponieważ zawierają one jednostkę procesu wejściowego tokenizatora modelu. W przypadku modeli z tensorami wejściowymi w postaci ciągów znaków nie są wymagane żadne metadane.

• Tensory wejściowe
  • Trzy tensory wejściowe (kTfLiteInt32) kształtu [batch_size x bert_max_seq_len] reprezentujące identyfikatory wejściowe, maski oraz identyfikatory segmentów. Ten podpis wejściowy wymaga jednostki procesu tokenizatora Berta w metadanych modelu.
  • Lub jeden tensor wejściowy (kTfLiteInt32) kształtu [batch_size x max_seq_len] reprezentujący identyfikatory wejściowe. Ten podpis wejściowy wymaga jednostki procesu tokenizatora wyrażeń regularnych w metadanych modelu.
  • lub jeden tensor wejściowy (kTfLiteString), który nie ma kształtu lub ma kształt [1] zawierający ciąg wejściowy.
• Co najmniej 1 tensor wyjściowy (kTfLiteFloat32/kBool) z:
  • N klasy i kształt [1 x N]
  • opcjonalne (ale zalecane) mapy etykiet jako Powiązane pliki typu TENSOR_AXIS_LABELS zawierające po jednej etykiecie w wierszu. Pierwszy taki element AssociatedFile (jeśli występuje) jest używany do wypełnienia pola class_name wyników. Pole display_name jest wypełniane na podstawie pliku AssociatedFile (jeśli występuje), którego język jest zgodny z polem display_names_locale pola TextClassifierOptions używanego podczas tworzenia („en” – domyślnie, tj. angielskim). Jeśli żadna z tych opcji nie jest dostępna, wypełnione będzie tylko pole index.