Metin Yemek Kitabı

Bu sayfada, metin alanındaki sorunları TensorFlow Hub ile çözen bir dizi bilinen kılavuz ve araç listelenmektedir. Sıfırdan başlamak yerine önceden eğitilmiş makine öğrenimi bileşenlerini kullanarak tipik makine öğrenimi sorunlarını çözmek isteyen herkes için bir başlangıç ​​noktasıdır.

sınıflandırma

Biz örnek duyarlılığı, toksisitesi, makale kategorisi veya başka özellikler için, belirli bir örnek için bir sınıf tahmin etmek istediğinizde.

Metin Sınıflandırma Grafiği

Aşağıdaki öğreticiler, aynı görevi farklı açılardan çözüyor ve farklı araçlar kullanıyor.

Keras

Keras ile Metin sınıflandırma - keras ve TensorFlow Veri kümeleri ile IMDB duyguları sınıflandırıcı oluşturmak için bir örnek.

tahmin edici

Metin sınıflandırma - Tahmincisi ile bir IMDB duyguları sınıflandırıcı oluşturmak için bir örnek. İyileştirme için birden fazla ipucu ve bir modül karşılaştırma bölümü içerir.

BERT

TF Hub üzerinde bert ile Film İnceleme duygusallığı bir tahmin - gösterileri nasıl sınıflandırma için bir Bert modülü kullanmak. Kullanımı içerir bert simgelileştirme ve ön işleme için kütüphanede.

kaggle

IMDB Kaggle üzerinde sınıflandırma - gösterir ne kadar kolay etkileşim veri indirme ve sonuçları göndererek dahil CoLab bir Kaggle rekabet ile karşı.

tahmin edici Keras TF2 TF Veri Kümeleri BERT Kaggle API'leri
Metin sınıflandırması tamamlamak
Keras ile metin sınıflandırması tamamlamaktamamlamaktamamlamak
TF Hub'da BERT ile Film İnceleme Duygusunu Tahmin Etme tamamlamaktamamlamak
Kaggle'da IMDB sınıflandırması tamamlamaktamamlamak

FastText yerleştirmeleri ile Bangla görevi

TensorFlow Hub şu anda her dilde bir modül sunmamaktadır. Aşağıdaki öğretici, hızlı deneme ve modüler makine öğrenimi geliştirme için TensorFlow Hub'dan nasıl yararlanılacağını gösterir.

Bangla Madde Sınıflandırıcı - yeniden kullanılabilir TensorFlow Hub metin gömme oluşturun ve bir Keras sınıflandırıcı eğitmek için nasıl kullanılacağını gösterir BARD Bangla Madde veri kümesi .

anlamsal benzerlik

Sıfır çekim kurulumunda hangi cümlelerin birbiriyle ilişkili olduğunu bulmak istediğimizde (eğitim örneği yok).

Semantik Benzerlik Grafiği

Temel

Semantik benzerlik - cümle benzerliği hesaplamak için cümle kodlayıcı modülünü nasıl kullanılacağını gösterir.

diller arası

Çapraz dilli anlamsal benzerlik - gösterir nasıl diller arasında hesaplama cümle benzerliği çapraz dilli cümle kodlayıcı birini kullanmak.

anlamsal erişim

Semantik alma - gösterir nasıl Q / semantik benzerliğine dayalı alma için belgelerin bir koleksiyon endeksine Bir cümle kodlayıcı kullanmak.

CümleParça girişi

Evrensel kodlayıcı lite ile Semantik benzerlik - kabul cümle kodlayıcı modülleri nasıl kullanılacağını gösterir SentencePiece girişi yerine metni üzerinde kimlikleri.

Modül oluşturma

Bunun yerine sadece modülleri kullanmanın hub.tensorflow.google.cn , kendi modülleri oluşturmak için yollar vardır. Bu, daha iyi ML kod tabanı modülerliği ve daha fazla paylaşım için faydalı bir araç olabilir.

Mevcut önceden eğitilmiş yerleştirmeleri sarma

Metin gömme modül ihracatçısı - Mevcut bir ön eğitimli bir modül içine gömmek sarmak için bir araçtır. Modüle metin ön işleme operasyonlarının nasıl dahil edileceğini gösterir. Bu, belirteç gömmelerinden bir cümle gömme modülü oluşturmaya izin verir.

Metin gömme modülü ihracatçısı v2 - yukarıdaki gibi, ancak TensorFlow 2 ve istekli uygulama ile uyumlu değildir.