TextClassifier

Effectue une classification du texte.

Cette API attend un modèle TFLite avec des métadonnées de modèle TFLite (facultatives) contenant les Tensors d'entrée obligatoires (décrits ci-dessous), le Tensor de sortie et les éléments d'étiquette facultatifs (mais recommandés) en tant qu'AssociatFiles de type TENSOR_AXIS_LABELS par Tensor de classification de sortie.

Des métadonnées sont requises pour les modèles avec des Tensors d'entrée int32, car elles contiennent l'unité de processus d'entrée pour le Tokenizer du modèle. Aucune métadonnée n'est requise pour les modèles avec des Tensors d'entrée de chaîne.

• Tensors d'entrée
  • Trois Tensors d'entrée (kTfLiteInt32) de forme [batch_size x bert_max_seq_len] représentant les ID d'entrée, les ID de masque et les ID de segment. Cette signature d'entrée nécessite une unité de processus BERT Tokenizer dans les métadonnées du modèle.
  • Ou un Tensor d'entrée (kTfLiteInt32) de forme [batch_size x max_seq_len] représentant les ID d'entrée. Cette signature d'entrée nécessite une unité de processus Regex Tokenizer dans les métadonnées du modèle.
  • Soit un Tensor d'entrée (kTfLiteString) sans forme ou dont la forme est [1], qui contient la chaîne d'entrée.
• Au moins un Tensor de sortie (kTfLiteFloat32/kBool) avec :
  • N classes et forme [1 x N]
  • Mappages de libellés facultatifs (mais recommandés) en tant que AssociatFiles de type TENSOR_AXIS_LABELS, contenant un libellé par ligne. Le premier AssociatFile (le cas échéant) est utilisé pour remplir le champ class_name des résultats. Le champ display_name est renseigné à partir de l'objet associé (le cas échéant) dont les paramètres régionaux correspondent au champ display_names_locale de l'élément TextClassifierOptions utilisé au moment de la création ("en" par défaut, c'est-à-dire l'anglais). Si aucune de ces options n'est disponible, seul le champ index des résultats sera renseigné.