Zadanie MediaPipe Language Detector pozwala określić język tekstu. Te te instrukcje pokażą Ci, jak korzystać z narzędzia do wykrywania języka w Pythonie. Przykładowy kod opisanych w tych instrukcjach jest dostępna na GitHub
Aby zobaczyć, jak działa to zadanie, wyświetl demo. Więcej informacji o funkcjach, modelach i opcjach konfiguracji zapoznaj się z Przeglądem.
Przykładowy kod
Przykładowy kod Wykrywanie języka zapewnia pełną implementację tego w Pythonie. Ten kod pomoże Ci przetestować to zadanie i uzyskać rozpoczął tworzenie własnej funkcji wykrywania języka. Możesz wyświetlać, uruchamiać edytuj Wykrywacz języka przykładowy kod za pomocą przeglądarki.
Konfiguracja
W tej sekcji opisujemy najważniejsze czynności związane z konfigurowaniem środowiska programistycznego oraz w projektach kodu służących do wykrywania języka. Ogólne informacje na temat: skonfigurować środowisko programistyczne do korzystania z zadań MediaPipe, w tym wymagań wersji platformy, patrz Przewodnik po konfiguracji Pythona
Pakiety
Detektor języka używa pakietu pip mediapipe. Możesz zainstalować zależność z następującymi wartościami:
$ python -m pip install mediapipe
Importy
Importuj te klasy, aby uzyskać dostęp do funkcji zadania Wykrywacz języka:
import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import text
Model
Zadanie wykrywania języka MediaPipe wymaga wytrenowanego modelu zgodnego z tym zadanie. Więcej informacji o dostępnych wytrenowanych modelach z Wykrywaczem języka znajdziesz w sekcji artykułu zapoznaj się z omówieniem zadania Modele.
Wybierz i pobierz model, a następnie zapisz go w katalogu projektu:
model_path = '/absolute/path/to/language_detector.tflite'
Określ ścieżkę modelu za pomocą obiektu BaseOptions model_asset_path
Jak poniżej:
base_options = BaseOptions(model_asset_path=model_path)
Tworzenie zadania
Zadanie Wykrywacz języka MediaPipe używa funkcji create_from_options do skonfigurowania
zadanie. Funkcja create_from_options akceptuje wartości konfiguracji
ustaw opcje wykrywania. Możesz też zainicjować zadanie za pomocą polecenia
funkcji fabrycznej create_from_model_path. create_from_model_path
przyjmuje ścieżkę względną lub bezwzględną do pliku wytrenowanego modelu.
Więcej informacji o konfigurowaniu zadań znajdziesz w artykule
Opcje konfiguracji:
Poniższy kod pokazuje, jak skompilować i skonfigurować to zadanie.
base_options = python.BaseOptions(model_asset_path=model_path)
options = text.LanguageDetectorOptions(base_options=base_options)
Opcje konfiguracji
To zadanie zawiera te opcje konfiguracji aplikacji w Pythonie:
| Nazwa opcji | Opis | Zakres wartości | Wartość domyślna |
|---|---|---|---|
max_results |
Ustawia opcjonalną maksymalną liczbę prognoz dotyczących najlepiej ocenianych języków na . Jeśli ta wartość jest mniejsza niż 0, zwracane są wszystkie dostępne wyniki. | Dowolne liczby dodatnie | -1 |
score_threshold |
Ustawia próg wyniku prognozy, który zastępuje próg podany w polu metadane modelu (jeśli występują). Wyniki poniżej tej wartości zostały odrzucone. | Dowolna liczba zmiennoprzecinkowa | Nie ustawiono |
category_allowlist |
Ustawia opcjonalną listę dozwolonych kodów języków. Jeśli pole nie jest puste,
prognozy dotyczące języka, których kod języka nie znajduje się w tym zestawie, zostaną
zostały odfiltrowane. Ta opcja wyklucza się wzajemnie z:
category_denylist i użycie obu spowoduje błąd. |
Dowolne ciągi | Nie ustawiono |
category_denylist |
Ustawia opcjonalną listę niedozwolonych kodów języków. Jeśli
niepuste, prognozy dotyczące języka, których kod języka znajduje się w tym zestawie, zostaną odfiltrowane
na zewnątrz. Ta opcja nie działa z: category_allowlist i
użycie obydwu spowoduje błąd. |
Dowolne ciągi | Nie ustawiono |
Przygotuj dane
Wykrywanie języka obsługuje dane tekstowe (str). Zadanie obsługuje wprowadzanie danych
w tym wstępnego przetwarzania danych, w tym tokenizacji i tensorów. Wszystkie
wstępne przetwarzanie jest obsługiwane w ramach funkcji detect. Nie ma potrzeby
dodatkowego wstępnego przetwarzania tekstu wejściowego.
input_text = 'The input text to be classified.'
Uruchamianie zadania
Wykrywanie języka używa funkcji detect do aktywowania wniosków. Język
oznacza zwrócenie możliwych języków do wprowadzania tekstu.
Ten kod pokazuje, jak wykonać przetwarzanie za pomocą zadania model atrybucji.
with python.text.LanguageDetector.create_from_options(options) as detector:
detection_result = detector.detect(input_text)
Obsługa i wyświetlanie wyników
Wykrywanie języka zwraca wynik LanguageDetectorResult składający się z listy
z prognozami językowymi oraz prawdopodobieństwo ich uzyskania.
Poniżej znajdziesz przykładowe dane wyjściowe tego zadania:
LanguageDetectorResult:
LanguagePrediction #0:
language_code: "fr"
probability: 0.999781
Ten wynik uzyskano przez uruchomienie modelu na tekście wejściowym:
"Il y a beaucoup de bouches qui parlent et fort peu de têtes qui pensent."
Przykład kodu wymaganego do przetwarzania i wizualizacji wyników zapoznaj się z Przykładowa aplikacja w Pythonie.