Tìm hiểu thêm về thông báo tại hội nghị I/O của Google AI Edge

Trang này được dịch bởi Cloud Translation API.

Hướng dẫn nhúng văn bản dành cho Android

Tác vụ Trình nhúng văn bản MediaPipe cho phép bạn tạo bản trình bày dạng số của dữ liệu văn bản để nắm bắt ý nghĩa ngữ nghĩa. Các hướng dẫn này cho bạn biết cách sử dụng Trình nhúng văn bản với các ứng dụng Android.

Để biết thêm thông tin về các tính năng, mô hình và lựa chọn cấu hình của nhiệm vụ này, hãy xem phần Tổng quan.

Ví dụ về mã

Mã ví dụ về Tác vụ MediaPipe là một cách triển khai đơn giản của ứng dụng Trình nhúng văn bản dành cho Android. Ví dụ này đánh giá sự tương đồng về mặt ngữ nghĩa giữa hai đoạn văn bản, đồng thời yêu cầu thiết bị Android thực hoặc trình mô phỏng Android.

Bạn có thể dùng ứng dụng làm điểm xuất phát cho ứng dụng Android của riêng mình hoặc tham chiếu đến ứng dụng này khi sửa đổi một ứng dụng hiện có. Mã ví dụ về Trình nhúng văn bản được lưu trữ trên GitHub.

Tải mã xuống

Hướng dẫn sau đây chỉ cho bạn cách tạo bản sao cục bộ của mã ví dụ bằng công cụ dòng lệnh git.

Cách tải mã ví dụ xuống:

Sao chép kho lưu trữ git bằng lệnh sau:

git clone https://github.com/google-ai-edge/mediapipe-samples

Bạn có thể tuỳ ý định cấu hình thực thể git để sử dụng quy trình thanh toán thưa thớt, vì vậy, bạn chỉ có các tệp cho ứng dụng ví dụ về Trình nhúng văn bản:
```
cd mediapipe
git sparse-checkout init --cone
git sparse-checkout set examples/text_embedder/android
```

Sau khi tạo phiên bản cục bộ của mã ví dụ, bạn có thể nhập dự án vào Android Studio và chạy ứng dụng. Để được hướng dẫn, hãy xem Hướng dẫn thiết lập dành cho Android.

Thành phần chính

Các tệp sau đây chứa mã quan trọng cho ứng dụng mẫu về trình nhúng văn bản này:

TextEmbedderHelper.kt: Khởi chạy trình nhúng văn bản, đồng thời xử lý lựa chọn mô hình và uỷ quyền.
MainActivity.kt: Triển khai ứng dụng và tập hợp các thành phần giao diện người dùng.

Thiết lập

Phần này mô tả các bước chính để thiết lập môi trường phát triển và viết mã cho các dự án dành riêng cho việc sử dụng Trình nhúng văn bản. Để biết thông tin chung về cách thiết lập môi trường phát triển nhằm sử dụng các tác vụ MediaPipe, bao gồm cả yêu cầu về phiên bản nền tảng, hãy xem Hướng dẫn thiết lập dành cho Android.

Phần phụ thuộc

Trình nhúng văn bản sử dụng thư viện com.google.mediapipe:tasks-text. Thêm phần phụ thuộc này vào tệp build.gradle của dự án phát triển ứng dụng Android. Bạn có thể nhập các phần phụ thuộc bắt buộc bằng đoạn mã sau:

dependencies {
    implementation 'com.google.mediapipe:tasks-text:latest.release'
}

Mẫu

Tác vụ Trình nhúng văn bản MediaPipe cần có một mô hình đã qua huấn luyện tương thích với tác vụ này. Để biết thêm thông tin về các mô hình đã huấn luyện hiện có cho Trình nhúng văn bản, hãy xem tổng quan về tác vụ phần Mô hình.

Chọn và tải mô hình xuống rồi lưu trữ trong thư mục dự án của bạn:

<dev-project-root>/src/main/assets

Chỉ định đường dẫn của mô hình trong tham số ModelAssetPath. Trong mã ví dụ, mô hình được xác định ở hàm setupTextEmbedder() của tệp TextEmbedderHelper.kt:

Sử dụng hàm BaseOptions.Builder.setModelAssetPath() để chỉ định đường dẫn mà mô hình sử dụng. Phương thức này được đề cập đến trong ví dụ về mã ở phần tiếp theo.

Tạo việc cần làm

Bạn có thể dùng một trong các hàm createFrom...() để tạo công việc. Hàm createFromOptions() chấp nhận các tuỳ chọn cấu hình để đặt các tuỳ chọn của trình nhúng. Bạn cũng có thể khởi tạo tác vụ bằng cách sử dụng hàm nhà máy createFromFile(). Hàm createFromFile() chấp nhận đường dẫn tương đối hoặc tuyệt đối đến tệp mô hình được huấn luyện. Để biết thêm thông tin về các lựa chọn cấu hình, hãy xem phần Lựa chọn cấu hình.

Mã sau đây minh hoạ cách tạo và định cấu hình tác vụ này.

val baseOptions = baseOptionsBuilder.build()
val optionsBuilder =
    TextEmbedderOptions.builder().setBaseOptions(baseOptions)
val options = optionsBuilder.build()
textEmbedder = TextEmbedder.createFromOptions(context, options)

Ví dụ về cách triển khai mã nguồn đặt các tuỳ chọn cho trình nhúng văn bản trong hàm setupTextEmbedder() của tệp TextEmbedderHelper.kt.

Các lựa chọn về cấu hình

Tác vụ này có các lựa chọn cấu hình sau đây cho ứng dụng Android:

Tên lựa chọn	Nội dung mô tả	Khoảng giá trị	Giá trị mặc định
`l2_normalize`	Liệu có chuẩn hoá vectơ tính năng được trả về với chuẩn L2 hay không. Chỉ sử dụng lựa chọn này nếu mô hình chưa chứa thành phần TFLite Op L2_NORMALIZATION gốc. Trong hầu hết các trường hợp, trường hợp này đã được chuẩn hoá và do đó, việc chuẩn hoá L2 có thể đạt được thông qua khả năng dự đoán TFLite mà không cần đến tuỳ chọn này.	`Boolean`	`False`
`quantize`	Liệu hoạt động nhúng được trả về có phải được lượng tử hoá thành byte thông qua lượng tử hoá vô hướng hay không. Các hoạt động nhúng được ngầm giả định là chuẩn đơn vị và do đó, mọi thứ nguyên đều đảm bảo có giá trị trong [-1.0, 1.0]. Hãy sử dụng tuỳ chọn l2_normalize nếu bạn không muốn làm vậy.	`Boolean`	`False`

Chuẩn bị dữ liệu

Trình nhúng văn bản hoạt động với dữ liệu văn bản (String). Tác vụ này sẽ xử lý tiền xử lý đầu vào dữ liệu, bao gồm cả việc mã hoá và tiền xử lý tensor. Mọi quá trình xử lý trước đều được xử lý trong hàm embed(). Bạn không cần phải xử lý thêm văn bản nhập trước.

val inputText = "The input text to be embedded."

Chạy tác vụ

Trình nhúng văn bản sử dụng hàm embed để kích hoạt thông tin dự đoán. Đối với hoạt động nhúng văn bản, điều này có nghĩa là trả về các vectơ nhúng cho văn bản đầu vào.

Mã sau đây minh hoạ cách thực thi quá trình xử lý bằng mô hình tác vụ.

textEmbedder?.let {
    val firstEmbed =
        it.embed(firstText).embeddingResult().embeddings().first()
    val secondEmbed =
        it.embed(secondText).embeddingResult().embeddings().first()
    ...
}

Trong mã ví dụ, hàm embed được gọi trong tệp TextEmbedderHelper.kt.

Xử lý và hiển thị kết quả

Khi chạy suy luận, tác vụ Trình nhúng văn bản sẽ trả về một đối tượng TextEmbedderResult chứa danh sách các mục nhúng (dấu phẩy động hoặc lượng tử vô hướng) cho văn bản đầu vào.

Sau đây là ví dụ về dữ liệu đầu ra của nhiệm vụ này:

TextEmbedderResult:
  Embedding #0 (sole embedding head):
    float_embedding: {0.2345f, 0.1234f, ..., 0.6789f}
    head_index: 0

Bạn có thể so sánh mức độ tương đồng về mặt ngữ nghĩa của 2 cách nhúng bằng cách sử dụng hàm TextEmbedder.cosineSimilarity. Hãy xem mã ví dụ sau đây.

val similarity = TextEmbedder.cosineSimilarity(firstEmbed, secondEmbed)

Trong mã ví dụ, hàm TextEmbedder.cosineSimilarity() được gọi trong tệp TextEmbedderHelper.kt.