Przedstawiamy LiteRT: wydajne środowisko wykonawcze Google do obsługi AI na urządzeniu, wcześniej znane jako TensorFlow Lite.

Ta strona została przetłumaczona przez Cloud Translation API.

TextEmbedder

publiczna klasa końcowego TextEmbedder

Przeprowadza wyodrębnianie osadzone w tekście.

Ten interfejs API wymaga modelu TFLite z (opcjonalnie) metadanymi modelu TFLite.

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 jeden tensor wyjściowy (kTfLiteFloat32/kTfLiteUint8) o kształcie [1 x N], gdzie N to liczba wymiarów w utworzonych wektorach dystrybucyjnych.

Zagnieżdżone klasy

klasa TextEmbedder.TextEmbedderOptions Opcje konfigurowania: TextEmbedder

Metody publiczne

void	close() Zamyka i czyści `TextEmbedder`.
podwójne statyczne	cosineSimilarity(Umieszczanie u, Umieszczanie v) Funkcja użytkowa do obliczania podobieństwa cosinusowego między 2 obiektami `Embedding`.
static TextEmbedder	createFromFile(Kontekst; ciąg znaków modelPath) Tworzy instancję `TextEmbedder` z pliku modelu i domyślne `TextEmbedder.TextEmbedderOptions`.
static TextEmbedder	createFromFile(kontekst; plik modelFile) Tworzy instancję `TextEmbedder` z pliku modelu i domyślne `TextEmbedder.TextEmbedderOptions`.
static TextEmbedder	createFromOptions(Kontekst; opcje TextEmbedder.TextEmbedderOptions) Tworzy instancję `TextEmbedder` z platformy `TextEmbedder.TextEmbedderOptions`.
TextEmbedderResult	embed(String inputText) Przeprowadza wyodrębnianie osadzone na tekście wejściowym.

Metody dziedziczone

Z klasy java.lang.Object

boolean	równa się(Object arg0)
final Class<?>	getClass()
int	hashCode()
final void	notify()
final void	notifyAll()
String	toString()
final void	wait(long arg0, int arg1)
final void	wait(long arg0)
final void	czas()

Z interfejsu java.lang.AutoCloseable

abstrakcja void

close()

Metody publiczne

public void close ()

Zamyka i czyści TextEmbedder.

public static double cosineSimilarity (Umieszczanie u, Umieszczanie v)

Funkcja użytkowa do obliczania podobieństwa cosinusowego między 2 obiektami Embedding.

Parametry

U
v

Rzuty

IllegalArgumentException	gdy wektory dystrybucyjne są różnego typu (zmiennoprzecinkowe lub skwantyzowane), mają różne rozmiary lub normę L2 równą 0.

public static TextEmbedder createFromFile (Kontekst kontekst, String modelPath)

Tworzy instancję TextEmbedder z pliku modelu i domyślne TextEmbedder.TextEmbedderOptions.

Parametry

sytuacja	`ERROR(/Context)` na Androidzie.
modelPath	do modelu tekstowego z metadanymi w zasobach.

Rzuty

	jeśli podczas tworzenia zbioru danych `TextEmbedder` wystąpi błąd.

public static TextEmbedder createFromFile (Kontekst kontekst, Plik modelFile)

Tworzy instancję TextEmbedder z pliku modelu i domyślne TextEmbedder.TextEmbedderOptions.

Parametry

sytuacja	`ERROR(/Context)` na Androidzie.
modelFile	instancję modelu tekstowego `File`.

Rzuty

IOException	jeśli podczas otwierania pliku modelu tflite wystąpi błąd wejścia-wyjścia.
	jeśli podczas tworzenia zbioru danych `TextEmbedder` wystąpi błąd.

public static TextEmbedder createFromOptions (Kontekst; opcje TextEmbedder.TextEmbedderOptions)

Tworzy instancję TextEmbedder z platformy TextEmbedder.TextEmbedderOptions.

Parametry

sytuacja