Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Comment TensorFlow fonctionne la classification du texte
L' TensorFlow algorithme Classification du texte prend le texte tel qu'il le classe dans l'une des étiquettes de classe de sortie. Les réseaux d'apprentissage en profondeur tels que BERT
En fonction du nombre d'étiquettes de cours figurant dans vos données d'entraînement, une couche de classification de texte est attachée au TensorFlow modèle préentraîné de votre choix. La couche de classification se compose d'une couche d'abandon, d'une couche dense et d'une couche entièrement connectée avec une régularisation à 2 normes, et est initialisé avec des pondérations aléatoires. Vous pouvez modifier les valeurs d'hyperparamètre pour le taux d'abandon de la couche d'abandon et le facteur de régularisation L2 pour la couche dense.
Vous pouvez affiner le réseau entier (y compris le modèle pré-entraîné) ou uniquement la couche de classification supérieure sur les nouvelles données d'entraînement. Avec cette méthode d'apprentissage par transfert, un entraînement avec des jeux de données plus petits est possible.
