文本的常用签名

使用集合让一切井井有条 根据您的偏好保存内容并对其进行分类。

本页面介绍应由 TF1 Hub 格式的模块为接受文本输入的任务实现的常用签名。(有关 TF2 SavedModel 格式,请参阅具有类似功能的 SavedModel API。)

文本特征向量

文本特征向量模块可以根据文本特征创建密集向量表示。该模块接受一批形状为 [batch_size] 的字符串,并将其映射至形状为 [batch_size, N]float32 张量。此张量通常被称为 N文本嵌入向量

基本用法

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

特征列用法

    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)

说明

模块已在不同的领域和/或任务中进行了预训练,因此并非每个文本特征向量模块都适用于您的问题。例如,某些模块可能仅使用一种语言进行训练。

此接口不支持在 TPU 上微调文本表示,因为它要求模块同时实例化字符串处理和可训练变量。