Metin için Ortak İmzalar

Bu sayfada, metin girişlerini kabul eden görevler için TF1 Hub formatındaki modüller tarafından uygulanması gereken ortak imzalar açıklanmaktadır. ( TF2 SavedModel formatı için benzer SavedModel API'sine bakın.)

Metin özelliği vektörü

Bir metin özelliği vektör modülü, metin özelliklerinden yoğun bir vektör temsili oluşturur. [batch_size] şeklindeki bir dizi diziyi kabul eder ve bunları [batch_size, N] şeklindeki bir float32 tensörüne eşler. Buna genellikle N boyutuna metin yerleştirme adı verilir.

Temel kullanım

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

Özellik sütunu kullanımı

    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)

Notlar

Modüller farklı alanlar ve/veya görevler üzerinde önceden eğitilmiştir ve bu nedenle her metin özelliği vektör modülü sorununuz için uygun olmayacaktır. Örnek: Bazı modüller tek bir dil üzerinde eğitilmiş olabilir.

Bu arayüz, TPU'lardaki metin gösteriminin ince ayarına izin vermez çünkü modülün hem dizi işlemeyi hem de eğitilebilir değişkenleri aynı anda başlatmasını gerektirir.