مرجع API للمكتبات النصية ومعالجة اللغات الطبيعية.
تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
KerasNLP
مرجع API
أسهل طريقة لبدء معالجة النص في TensorFlow هي استخدام KerasNLP، وهي مكتبة معالجة لغة طبيعية توفر مكونات معيارية بأحدث الأوزان والبنيات المعدة مسبقًا. يمكنك استخدام مكونات KerasNLP الجاهزة أو تخصيصها حسب الحاجة. يركز KerasNLP على الحساب في الرسم البياني لجميع مسارات العمل، لذلك يمكنك توقع إنتاج سهل باستخدام النظام البيئي TensorFlow.
لتثبيت KerasNLP، راجع التثبيت .
نص TensorFlow
مرجع API
توفر حزمة tensorflow_text مجموعة من الفئات والعمليات ذات الصلة بالنص الجاهزة للاستخدام مع TensorFlow. يمكن للمكتبة إجراء المعالجة المسبقة التي تتطلبها النماذج النصية بشكل منتظم، وتتضمن ميزات أخرى مفيدة لنمذجة التسلسل التي لا يوفرها TensorFlow الأساسي.
للحصول على تفاصيل التثبيت، راجع الدليل
نماذج TensorFlow - البرمجة اللغوية العصبية
مرجع API
يوفر مستودع نماذج TensorFlow تطبيقات لنماذج حديثة (SOTA). تتضمن حزمة النقاط tensorflow-models-official العديد من الوظائف والفئات عالية المستوى لبناء نماذج SOTA NLP بما في ذلك nlp.layers و nlp.losses و nlp.models و nlp.tasks .
يمكنك تثبيت الحزمة pip :
$ pip install tensorflow-models-official # For the latest release
$ #or
$ pip install tf-models-nightly # For the nightly build
تتوفر وظيفة البرمجة اللغوية العصبية (NLP) في الوحدة الفرعية tfm.nlp .
import tensorflow_models as tfm
tfm.nlp
إنّ محتوى هذه الصفحة مرخّص بموجب ترخيص Creative Commons Attribution 4.0 ما لم يُنصّ على خلاف ذلك، ونماذج الرموز مرخّصة بموجب ترخيص Apache 2.0. للاطّلاع على التفاصيل، يُرجى مراجعة سياسات موقع Google Developers. إنّ Java هي علامة تجارية مسجَّلة لشركة Oracle و/أو شركائها التابعين.
تاريخ التعديل الأخير: 2025-07-25 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2025-07-25 (حسب التوقيت العالمي المتفَّق عليه)"],[],[],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"]]
