TextClassifier

对文本进行分类。

此 API 需要一个带有（可选）TFLite 模型元数据的 TFLite 模型，该模型包含强制性（如下所述）输入张量、输出张量和可选（但建议）将项标记为 AssociatedFiles（每个输出分类张量类型为 TENSOR_AXIS_LABELS）。

具有 int32 输入张量的模型需要元数据，因为它包含模型分词器的输入处理单元。具有字符串输入张量的模型不需要元数据。

• 输入张量
  • 三个形状为 [batch_size x bert_max_seq_len] 的输入张量 (kTfLiteInt32)，分别表示输入 ID、掩码 ID 和片段 ID。此输入签名需要模型元数据中的 Bert Tokenizer 进程单元。
  • 或一个形状为 [batch_size x max_seq_len] 的输入张量 (kTfLiteInt32)，表示输入 ID。此输入签名需要在模型元数据中包含 Regex Tokenizer 进程单元。
  • 或者一个无形状或形状 [1] 包含输入字符串的输入张量 (kTfLiteString)。
• 至少一个输出张量 (kTfLiteFloat32/kBool)，并且：
  • N 类和形状 [1 x N]
  • 可选（但建议）标签映射为 AssociatedFile-s，类型为 TENSOR_AXIS_LABELS，每行包含一个标签。第一个此类 AssociatedFile（如果有）用于填充结果的 class_name 字段。display_name 字段从 AssociatedFile（如有）中填充，其语言区域与创建时使用的 TextClassifierOptions 的 display_names_locale 字段（默认为“en”，即英语）匹配。如果所有这些选项都不可用，系统将仅填充结果的 index 字段。