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 ayarının yapılmasına izin vermez çünkü modülün hem dizi işlemeyi hem de eğitilebilir değişkenleri aynı anda başlatmasını gerektirir.