Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Interfaccia di input e output per la classificazione del testo - algoritmo TensorFlow
Ciascuno dei modelli preaddestrati elencati in TensorFlow Hub Models può essere ottimizzato su qualsiasi set di dati composto da frasi di testo con un numero qualsiasi di classi. Il modello preaddestrato collega un livello di classificazione al modello Incorporamento di testo e inizializza i parametri del livello su valori casuali. La dimensione di output del livello di classificazione viene determinata in base al numero di classi rilevate nei dati di input.
Fai attenzione a come formattare i tuoi dati di allenamento per l'input nel modello Text Classification. TensorFlow
-
Formato di input dei dati di addestramento: una directory contenente un file
data.csv. Ogni riga della prima colonna deve avere etichette di classe intere comprese tra 0 e il numero di classi. Ogni riga della seconda colonna deve contenere i dati di testo corrispondenti.
Di seguito è riportato un esempio di un file CSV di input. Tieni presente che il file non deve avere alcuna intestazione. Il file deve essere ospitato in un bucket Amazon S3 con un percorso simile al seguente: s3://. Tieni presente che il simbolo bucket_name/input_directory// finale è obbligatorio.
| | | |---|---| |0 |hide new secretions from the parental units| |0 |contains no wit , only labored gags| |1 |that loves its characters and communicates something rather beautiful about human nature| |...|...|
Addestramento incrementale
Puoi seminare l'addestramento di un nuovo modello con gli artefatti di un modello che hai addestrato in precedenza con l'intelligenza artificiale. SageMaker L'addestramento incrementale consente di risparmiare tempo quando vuoi sottoporre ad addestramento un nuovo modello con dati uguali o simili.
Nota
È possibile seminare solo un modello di classificazione testuale SageMaker AI, ovvero un altro TensorFlow modello di classificazione del testo, addestrato in SageMaker intelligenza artificiale. TensorFlow
Puoi utilizzare qualsiasi set di dati per l'addestramento incrementale, purché il set di classi rimanga lo stesso. La fase di addestramento incrementale è simile alla fase di ottimizzazione, ma invece di iniziare con un modello preaddestrato, si inizia con un modello ottimizzato esistente.
Per ulteriori informazioni sull'utilizzo dell'addestramento incrementale con l' TensorFlow algoritmo SageMaker AI Text Classification, consulta il taccuino di esempio
Inferenza con l'algoritmo di classificazione del testo TensorFlow
Potete ospitare il modello ottimizzato che risulta dal corso di formazione sulla classificazione del TensorFlow testo per l'inferenza. Qualsiasi formato di testo non elaborato per l'inferenza deve essere di tipo di contenuto application/x-text.
L'esecuzione dell'inferenza produce valori di probabilità, etichette di classe per tutte le classi e l'etichetta prevista corrispondente all'indice di classe con la probabilità più alta codificato in formato JSON. Il TensorFlow modello Text Classification - elabora una singola stringa per richiesta e restituisce solo una riga. Di seguito è riportato un esempio di risposta in formato JSON:
accept: application/json;verbose {"probabilities": [prob_0,prob_1,prob_2, ...], "labels": [label_0,label_1,label_2, ...], "predicted_label":predicted_label}
Se accept è impostato su application/json, il modello emette solo le probabilità.
