날짜를 저장하십시오! Google I / O가 5 월 18 일부터 20 일까지 반환됩니다. 지금 등록

텍스트에 대한 공통 서명

이 페이지에서는 텍스트 입력을 수용하는 작업을 위해 TF1 Hub 형식의 모듈에서 구현해야 하는 일반적인 서명을 설명합니다. TF2 SavedModel 형식에 대해서는 유사한 SavedModel API를 참조하세요.

텍스트 특성 벡터

텍스트 특성 벡터 모듈은 텍스트 특성으로부터 밀집 벡터 표현을 만듭니다. 모듈은 형상 [batch_size]의 문자열 배치를 받아들이고 이를 형상 [batch_size, N]float32 텐서에 매핑합니다. 이 작업을 종종 차원 N에서 텍스트 임베딩이라고 합니다.

기본 사용법

  embed = hub.Module("path/to/module")
  representations = embed([
      "A long sentence.",
      "single-word",
      "http://example.com"])

특성 열 사용법

    feature_columns = [
      hub.text_embedding_column("comment", "path/to/module", trainable=False),
    ]
    input_fn = tf.estimator.inputs.numpy_input_fn(features, labels, shuffle=True)
    estimator = tf.estimator.DNNClassifier(hidden_units, feature_columns)
    estimator.train(input_fn, max_steps=100)

참고

모듈은 여러 도메인 및/또는 작업에서 사전 훈련되었으므로 모든 텍스트 특성 벡터 모듈이 해당 문제에 적합하지는 않습니다. 예를 들어, 일부 모듈은 단일 언어에서 훈련되었습니다.

모듈이 문자열 처리와 훈련 가능한 변수를 동시에 인스턴스화해야 하기 때문에 이 인터페이스는 TPU에서 텍스트 표현의 미세 조정을 허용하지 않습니다.