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 l'algoritmo Text Classification TensorFlow
Ciascuno dei modelli preaddestrati elencati in TensorFlow Hub Models può essere ottimizzato per 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 dati di allenamento da inserire 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 CSV file 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 iniziare l'addestramento di un nuovo modello con gli artefatti di un modello che hai addestrato in precedenza con SageMaker l'intelligenza artificiale. L'addestramento incrementale consente di risparmiare tempo quando vuoi sottoporre ad addestramento un nuovo modello con dati uguali o simili.
Nota
Puoi creare un modello di classificazione testuale SageMaker AI solo con un altro TensorFlow modello di classificazione del testo addestrato all' 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 quaderno di esempio Introduzione a JumpStart - Text Classification
Inferenza con l'algoritmo di classificazione del testo TensorFlow
Puoi ospitare il modello perfezionato che risulta dal tuo 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 codificata nel formato. JSON Il TensorFlow modello Text Classification - elabora una singola stringa per richiesta e restituisce una sola riga. Di seguito è riportato un esempio di risposta JSON in formato:
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.
