הפניה ל-API עבור ספריות טקסט ו-NLP.
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
KerasNLP
הפניה ל-API
הדרך הקלה ביותר להתחיל בעיבוד טקסט ב-TensorFlow היא להשתמש ב-KerasNLP, ספריית עיבוד שפה טבעית המספקת רכיבים מודולריים עם משקלים וארכיטקטורות מוגדרות מראש עדכניות. אתה יכול להשתמש ברכיבי KerasNLP מחוץ לקופסה או להתאים אותם לפי הצורך. KerasNLP מדגישה חישוב בגרף עבור כל זרימות העבודה, כך שתוכל לצפות לייצור קל באמצעות מערכת האקולוגית של TensorFlow.
להתקנת KerasNLP, ראה התקנה .
טקסט TensorFlow
הפניה ל-API
חבילת tensorflow_text מספקת אוסף של שיעורים ואופציות הקשורות לטקסט המוכנות לשימוש עם TensorFlow. הספרייה יכולה לבצע את העיבוד המקדים הנדרש באופן קבוע על ידי מודלים מבוססי טקסט, וכוללת תכונות אחרות שימושיות עבור דוגמנות רצף שאינן מסופקות על ידי הליבה TensorFlow.
לפרטי התקנה, עיין במדריך
TensorFlow Models - NLP
הפניה ל-API
מאגר המודלים של TensorFlow מספק יישומים של מודלים חדישים (SOTA). חבילת ה- tensorflow-models-official pip כוללת פונקציות ושיעורים רבים ברמה גבוהה לבניית מודלים של SOTA NLP כולל nlp.layers , nlp.losses , nlp.models ו- nlp.tasks .
אתה יכול להתקין את החבילה עם pip :
$ pip install tensorflow-models-official # For the latest release
$ #or
$ pip install tf-models-nightly # For the nightly build
פונקציונליות ה-NLP זמינה בתת-מודול tfm.nlp .
import tensorflow_models as tfm
tfm.nlp
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2025-07-25 (שעון UTC).
[null,null,["עדכון אחרון: 2025-07-25 (שעון UTC)."],[],[],null,["# API reference for text and NLP libraries.\n\nKerasNLP\n--------\n\n[API reference](https://keras.io/api/keras_nlp/)\n\nThe easiest way to get started processing text in TensorFlow is to use KerasNLP,\na natural language processing library that provides modular components with\nstate-of-the-art preset weights and architectures. You can use KerasNLP\ncomponents out-of-the-box or customize them as needed. KerasNLP\nemphasizes in-graph computation for all workflows, so you can expect easy\nproductionization using the TensorFlow ecosystem.\n\nTo install KerasNLP, see\n[Installation](https://keras.io/keras_nlp/#installation).\n\nTensorFlow Text\n---------------\n\n[API reference](https://www.tensorflow.org/text/api_docs/python/text)\n\nThe `tensorflow_text` package provides a collection of text related classes and\nops ready to use with TensorFlow. The library can perform the preprocessing\nregularly required by text-based models, and includes other features useful for\nsequence modeling not provided by core TensorFlow.\n\nFor installation details, refer to the\n[the guide](https://www.tensorflow.org/text/guide/tf_text_intro)\n\nTensorFlow Models - NLP\n-----------------------\n\n[API reference](https://tensorflow.org/api_docs/python/tfm/nlp)\n\nThe\n[TensorFlow Models repository](https://github.com/tensorflow/models)\nprovides implementations of state-of-the-art (SOTA) models. The\n`tensorflow-models-official` pip package includes many high-level functions and\nclasses for building SOTA NLP models including [`nlp.layers`](https://www.tensorflow.org/api_docs/python/tfm/nlp/layers), [`nlp.losses`](https://www.tensorflow.org/api_docs/python/tfm/nlp/losses),\n[`nlp.models`](https://www.tensorflow.org/api_docs/python/tfm/nlp/models) and [`nlp.tasks`](https://www.tensorflow.org/api_docs/python/tfm/nlp/tasks).\n\nYou can install the package with `pip`: \n\n $ pip install tensorflow-models-official # For the latest release\n $ #or\n $ pip install tf-models-nightly # For the nightly build\n\nThe NLP functionality is available in the [`tfm.nlp`](https://www.tensorflow.org/api_docs/python/tfm/nlp) submodule. \n\n import tensorflow_models as tfm\n tfm.nlp"]]
