งาน MediaPipe Language Detector ให้คุณระบุภาษาของข้อความ เหล่านี้ แสดงวิธีใช้เครื่องมือตรวจจับภาษากับ Python ตัวอย่างโค้ด ตามที่อธิบายในวิธีการเหล่านี้จะมีให้ใน GitHub
คุณสามารถดูการทำงานนี้โดยดูที่ demo สำหรับข้อมูลเพิ่มเติมเกี่ยวกับความสามารถ โมเดล และตัวเลือกการกำหนดค่า ของงานนี้ โปรดดูภาพรวม
ตัวอย่างโค้ด
โค้ดตัวอย่างสำหรับตัวตรวจจับภาษาแสดงการติดตั้งใช้งานอย่างสมบูรณ์ ใน Python เพื่อใช้เป็นข้อมูลอ้างอิง โค้ดนี้จะช่วยคุณทดสอบงานนี้และรับ เริ่มสร้างฟีเจอร์ ตรวจจับภาษาของคุณเอง คุณสามารถดู เรียกใช้ และ แก้ไขตัวตรวจจับภาษา โค้ดตัวอย่าง โดยใช้แค่เว็บเบราว์เซอร์
ตั้งค่า
ส่วนนี้จะอธิบายขั้นตอนสำคัญในการตั้งค่าสภาพแวดล้อมในการพัฒนาซอฟต์แวร์ และ โค้ดเพื่อใช้ตัวตรวจจับภาษาโดยเฉพาะ สำหรับข้อมูลทั่วไปเกี่ยวกับ การตั้งค่าสภาพแวดล้อมในการพัฒนาซอฟต์แวร์ของคุณสำหรับการใช้งาน MediaPipe ซึ่งรวมถึง โปรดดูข้อกำหนดเวอร์ชันของแพลตฟอร์ม คู่มือการตั้งค่าสำหรับ Python
แพ็กเกจ
ตัวตรวจจับภาษาใช้แพ็กเกจ PIP ของสื่อ คุณติดตั้งทรัพยากร Dependency ได้ ดังต่อไปนี้
$ python -m pip install mediapipe
การนำเข้า
นำเข้าคลาสต่อไปนี้เพื่อเข้าถึงฟังก์ชันงานของเครื่องมือตรวจจับภาษา
import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import text
รุ่น
งาน MediaPipe Language Detector ต้องการโมเดลที่ได้รับการฝึกที่สามารถทำงานร่วมกับ งาน ดูข้อมูลเพิ่มเติมเกี่ยวกับโมเดลที่ผ่านการฝึกที่ใช้ได้สําหรับเครื่องมือตรวจจับภาษาได้ที่ ส่วนโมเดลภาพรวมงาน
เลือกและดาวน์โหลดโมเดล จากนั้นเก็บโมเดลไว้ในไดเรกทอรีโปรเจ็กต์ของคุณ:
model_path = '/absolute/path/to/language_detector.tflite'
ระบุเส้นทางของโมเดลด้วยออบเจ็กต์ BaseOptions model_asset_path
ตามที่แสดงด้านล่าง
base_options = BaseOptions(model_asset_path=model_path)
สร้างงาน
งาน MediaPipe Language Detector จะใช้ฟังก์ชัน create_from_options เพื่อตั้งค่า
งาน ฟังก์ชัน create_from_options ยอมรับค่าสำหรับการกำหนดค่า
เพื่อกำหนดตัวเลือกสำหรับตัวตรวจจับ นอกจากนี้คุณยังเริ่มต้นงานได้โดยใช้
ฟังก์ชันเริ่มต้นจาก create_from_model_path create_from_model_path
จะยอมรับเส้นทางแบบสัมพัทธ์หรือสัมบูรณ์ไปยังไฟล์โมเดลที่ฝึก
สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการกำหนดค่างาน โปรดดูที่
ตัวเลือกการกำหนดค่า
โค้ดต่อไปนี้แสดงวิธีสร้างและกำหนดค่างานนี้
base_options = python.BaseOptions(model_asset_path=model_path)
options = text.LanguageDetectorOptions(base_options=base_options)
ตัวเลือกการกำหนดค่า
งานนี้มีตัวเลือกการกำหนดค่าต่อไปนี้สำหรับแอปพลิเคชัน Python
| ชื่อตัวเลือก | คำอธิบาย | ช่วงค่า | ค่าเริ่มต้น |
|---|---|---|---|
max_results |
ตั้งค่าจำนวนสูงสุดของการคาดคะเนภาษาที่มีคะแนนสูงสุดเป็น (ไม่บังคับ) ผลตอบแทน หากค่านี้น้อยกว่า 0 ระบบจะแสดงผลผลลัพธ์ที่ใช้ได้ทั้งหมด | จำนวนบวกใดก็ได้ | -1 |
score_threshold |
ตั้งค่าเกณฑ์คะแนนการคาดการณ์ซึ่งจะลบล้างเกณฑ์ที่ระบุไว้ใน ข้อมูลเมตาของโมเดล (หากมี) ผลลัพธ์ที่ต่ำกว่าค่านี้ถูกปฏิเสธ | ทศนิยมใดก็ได้ | ไม่ได้ตั้งค่า |
category_allowlist |
ตั้งค่ารายการรหัสภาษาที่อนุญาตซึ่งไม่บังคับ หากไม่ว่างเปล่า
การคาดคะเนภาษาที่รหัสภาษาไม่ได้อยู่ในชุดนี้จะ
ถูกกรองออก ตัวเลือกนี้ไม่เกี่ยวข้องกับ
category_denylist และการใช้ทั้ง 2 อย่างจะทําให้เกิดข้อผิดพลาด |
สตริงใดก็ได้ | ไม่ได้ตั้งค่า |
category_denylist |
ตั้งค่ารายการรหัสภาษาที่ระบบไม่อนุญาต ถ้า
ไม่ว่างเปล่า การคาดคะเนภาษาที่มีรหัสภาษาในชุดนี้จะถูกกรองออก
ตัวเลือกนี้ไม่เกี่ยวข้องกับ category_allowlist และ
โดยใช้ทั้ง 2 อย่างจะทำให้เกิดข้อผิดพลาด |
สตริงใดก็ได้ | ไม่ได้ตั้งค่า |
เตรียมข้อมูล
ตัวตรวจจับภาษาใช้งานได้กับข้อมูลข้อความ (str) งานจะจัดการอินพุตข้อมูล
การประมวลผลล่วงหน้า ซึ่งรวมถึงการแปลงเป็นโทเค็นและการประมวลผลล่วงหน้า Tensor ทั้งหมด
การประมวลผลล่วงหน้าจะดำเนินการภายในฟังก์ชัน detect ไม่จำเป็นต้องใช้
การประมวลผลข้อความอินพุตเพิ่มเติมล่วงหน้า
input_text = 'The input text to be classified.'
เรียกใช้งาน
ตัวตรวจจับภาษาใช้ฟังก์ชัน detect เพื่อเรียกใช้การอนุมาน สำหรับภาษา
ซึ่งหมายถึงการส่งคืนภาษาที่เป็นไปได้สำหรับข้อความที่ป้อน
โค้ดต่อไปนี้แสดงวิธีดำเนินการประมวลผลกับงาน โมเดล
with python.text.LanguageDetector.create_from_options(options) as detector:
detection_result = detector.detect(input_text)
จัดการและแสดงผลลัพธ์
ตัวตรวจจับภาษาจะแสดง LanguageDetectorResult ซึ่งประกอบด้วยรายการ
การคาดคะเนภาษา รวมถึงความน่าจะเป็นสำหรับการคาดคะเนเหล่านั้น
ตัวอย่างต่อไปนี้แสดงตัวอย่างข้อมูลเอาต์พุตจากงานนี้
LanguageDetectorResult:
LanguagePrediction #0:
language_code: "fr"
probability: 0.999781
ผลลัพธ์นี้ได้มาจากการเรียกใช้โมเดลในข้อความที่ป้อน:
"Il y a beaucoup de bouches qui parlent et fort peu de têtes qui pensent."
ตัวอย่างโค้ดที่ต้องใช้ในการประมวลผลและแสดงภาพผลลัพธ์ ของงานนี้ ให้ดูที่ แอป Python ตัวอย่าง