TextClassifier

จำแนกประเภทข้อความ

API นี้คาดว่าจะได้รับโมเดล TFLite ที่มีข้อมูลเมตาของโมเดล TFLite (ไม่บังคับ) ซึ่งมี Tensor อินพุตที่จำเป็น (อธิบายด้านล่าง) , Tensor เอาต์พุต และรายการที่ติดป้ายกำกับซึ่งไม่บังคับ (แต่แนะนำ) เป็น AssociationFiles ที่มีประเภท TENSOR_AXIS_LABELS ต่อ tensor การจัดประเภทเอาต์พุต

ต้องมีข้อมูลเมตาสำหรับโมเดลที่มี Tensor อินพุต int32 เนื่องจากมีหน่วยกระบวนการอินพุตสำหรับ Tokenizer ของโมเดล ไม่จำเป็นต้องมีข้อมูลเมตาสำหรับโมเดลที่มี Tensor อินพุตสตริง

• Tensor อินพุต
  • Tensor อินพุต 3 รายการ (kTfLiteInt32) ของรูปร่าง [batch_size x bert_max_seq_len] ที่แสดงถึงรหัสอินพุต รหัสมาสก์ และรหัสกลุ่ม ลายเซ็นของอินพุตนี้ต้องมีหน่วยประมวลผล Bert Tokenizer ในข้อมูลเมตาของโมเดล
  • หรือ Tensor อินพุต (kTfLiteInt32) ของรูปร่าง [batch_size x max_seq_len] ที่แทนรหัสอินพุต ลายเซ็นอินพุตนี้ต้องมีหน่วยประมวลผล Regex Tokenizer ในข้อมูลเมตาของโมเดล
  • หรือ Tensor อินพุต (kTfLiteString) ที่ไม่มีรูปร่างหรือมีรูปร่าง [1] ที่มีสตริงอินพุต
• Tensor เอาต์พุตอย่างน้อย 1 รายการ (kTfLiteFloat32/kBool) ที่มี:
  • N ชั้นเรียนและรูปร่าง [1 x N]
  • แมปป้ายกำกับซึ่งไม่บังคับ (แต่แนะนำ) เป็น MetricFile-s ที่มีประเภท TENSOR_AXIS_ป้ายกำกับ ซึ่งมีป้ายกำกับ 1 ป้ายต่อบรรทัด ระบบจะใช้ EngageFile ดังกล่าวรายการแรก (หากมี) เพื่อกรอกข้อมูลในช่อง class_name ของผลลัพธ์ ระบบจะกรอกข้อมูลในช่อง display_name จาก relatedFile (หากมี) ซึ่งมีภาษาตรงกับช่อง display_names_locale ของ TextClassifierOptions ที่ใช้ในเวลาที่สร้าง (ค่าเริ่มต้นคือ "en" เช่น ภาษาอังกฤษ) หากไม่มีตัวเลือกใดเลย ระบบจะเติมเฉพาะช่อง index ของผลการค้นหา