自然言語分類器を統合する

タスクライブラリの NLClassifier API は、入力テキストを複数の異なるクラスに汎用的で構成可能な API であり、ほとんどのテキストを処理できます。学習します。

NLClassifier API の主な機能

単一の文字列を入力として受け取り、その文字列を使用して分類を行い、 <label, score=""> を出力する分類結果として返されます。</label,>
入力テキストに使用できる正規表現のトークン化。
さまざまな分類モデルを適応させるように構成可能。

サポートされている NLClassifier モデル

次のモデルは、NLClassifier との互換性が保証されています API

映画レビューのセンチメント分類モデルです。
TensorFlow Lite Model Maker が作成した average_word_vec 仕様のモデル説明します。
モデルの互換性を満たすカスタムモデル要件をご覧ください。

Java で推論を実行する

テキスト分類リファレンスアプリをご覧ください。NLClassifier

ステップ 1: Gradle の依存関係とその他の設定をインポートする

.tflite モデルファイルを Android モジュールのアセットディレクトリにコピーします。モデルを実行する場所を指定しますファイルを圧縮しないように指定する。 TensorFlow Lite ライブラリをモジュールの build.gradle ファイルに追加します。

android {
    // Other settings

    // Specify tflite file should not be compressed for the app apk
    aaptOptions {
        noCompress "tflite"
    }

}

dependencies {
    // Other dependencies

    // Import the Task Vision Library dependency
    implementation 'org.tensorflow:tensorflow-lite-task-text:0.4.4'
    // Import the GPU delegate plugin Library for GPU inference
    implementation 'org.tensorflow:tensorflow-lite-gpu-delegate-plugin:0.4.4'
}

ステップ 2: API を使用して推論を実行する

// Initialization, use NLClassifierOptions to configure input and output tensors
NLClassifierOptions options =
    NLClassifierOptions.builder()
        .setBaseOptions(BaseOptions.builder().useGpu().build())
        .setInputTensorName(INPUT_TENSOR_NAME)
        .setOutputScoreTensorName(OUTPUT_SCORE_TENSOR_NAME)
        .build();
NLClassifier classifier =
    NLClassifier.createFromFileAndOptions(context, modelFile, options);

// Run inference
List<Category> results = classifier.classify(input);

出典を参照コード NLClassifier を構成するその他のオプションをご覧ください。

Swift で推論を実行する

ステップ 1: CocoaPods をインポートする

Podfile に TensorFlowLiteTaskText Pod を追加する

target 'MySwiftAppWithTaskAPI' do
  use_frameworks!
  pod 'TensorFlowLiteTaskText', '~> 0.4.4'
end

ステップ 2: API を使用して推論を実行する

// Initialization
var modelOptions:TFLNLClassifierOptions = TFLNLClassifierOptions()
modelOptions.inputTensorName = inputTensorName
modelOptions.outputScoreTensorName = outputScoreTensorName
let nlClassifier = TFLNLClassifier.nlClassifier(
      modelPath: modelPath,
      options: modelOptions)

// Run inference
let categories = nlClassifier.classify(text: input)

出典を参照コードをご覧ください。

C++ で推論を実行する

// Initialization
NLClassifierOptions options;
options.mutable_base_options()->mutable_model_file()->set_file_name(model_path);
std::unique_ptr<NLClassifier> classifier = NLClassifier::CreateFromOptions(options).value();

// Run inference with your input, `input_text`.
std::vector<core::Category> categories = classifier->Classify(input_text);

出典を参照コードをご覧ください。

Python で推論を実行する

ステップ 1: pip パッケージをインストールする

pip install tflite-support

ステップ 2: モデルを使用する

# Imports
from tflite_support.task import text

# Initialization
classifier = text.NLClassifier.create_from_file(model_path)

# Run inference
text_classification_result = classifier.classify(text)

出典を参照コード NLClassifier を構成するその他のオプションをご覧ください。

検索結果の例

こちらは、映画レビューの分類結果の例です。モデル。

入力: 「時間の無駄」

出力:

category[0]: 'Negative' : '0.81313'
category[1]: 'Positive' : '0.18687'

シンプルなCLI デモツール: NLClassifier 独自のモデルとテストデータでトレーニングできます

モデルの互換性要件

ユースケースに応じて、NLClassifier API は以下を使用して TFLite モデルを読み込むことができます。 TFLite Model Metadata を使用しない場合。例を見る TensorFlow Lite を使用した自然言語分類器のメタデータ作成のプロセスをメタデータライター API。

互換性のあるモデルは、次の要件を満たす必要があります。

入力テンソル: (kTfLiteString/kTfLiteInt32)
- モデルの入力は、kTfLiteString のテンソル未加工入力のいずれかである必要がある文字列または kTfLiteInt32 テンソル（正規表現でトークン化された未加工の入力インデックスの場合）使用します。
- 入力型が kTfLiteString の場合、モデルにはメタデータが必要です。
- 入力タイプが kTfLiteInt32 の場合、RegexTokenizer を入力テンソルのメタデータ。
出力スコアテンソル: (kTfLiteUInt8/kTfLiteInt8/kTfLiteInt16/kTfLiteFloat32/kTfLiteFloat64)
- 分類された各カテゴリのスコアに必須の出力テンソル。
- 型が Int 型のいずれかの場合は、double 型または float 型に逆量子化して対応するプラットフォーム
- 出力テンソルのカテゴリに対応するメタデータファイルは 1 行に 1 つのラベルがある書式なしテキストファイルである必要があり、ラベルの数は、トレーニングデータのカテゴリ数とモデルの出力です。ラベルの例をご覧ください。。
出力ラベルのテンソル:（kTfLiteString/kTfLiteInt32）
- 各カテゴリのラベルのオプションの出力テンソル。出力スコアテンソルと同じ長さにします。このテンソルが存在しない場合、 API はスコアインデックスをクラス名として使用します。
- 関連するラベルファイルが出力スコアに存在する場合は無視されますテンソルの Metadata です。