本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 文本分类- TensorFlow
<a name="text-classification-tensorflow"></a>

Amazon SageMaker AI 文本分类 TensorFlow 算法是一种监督学习算法，它支持使用来自[TensorFlow 中心的](https://tfhub.dev/)许多预训练模型进行迁移学习。使用迁移学习，即使没有大量文本数据可用，也可以在您自己的数据集上对一个可用的预先训练模型进行微调。文本分类算法将文本字符串作为输入，并输出每个类标签的概率。训练数据集必须为 CSV 格式。本页包含有关 Amazon EC2 实例推荐和文本分类示例笔记本的信息- TensorFlow。

**Topics**
+ [如何使用 SageMaker AI 文本分类- TensorFlow 算法](text-classification-tensorflow-how-to-use.md)
+ [文本分类- TensorFlow 算法的输入和输出接口](text-classification-tensorflow-inputoutput.md)
+ [针对文本分类的 Amazon EC2 实例推荐- TensorFlow 算法](#text-classification-tensorflow-instances)
+ [文本分类- TensorFlow 样本笔记本](#text-classification-tensorflow-sample-notebooks)
+ [文本分类- TensorFlow 工作原理](text-classification-tensorflow-HowItWorks.md)
+ [TensorFlow 集线器型号](text-classification-tensorflow-Models.md)
+ [文本分类- TensorFlow 超参数](text-classification-tensorflow-Hyperparameter.md)
+ [调整文本分类- TensorFlow 模型](text-classification-tensorflow-tuning.md)

## 针对文本分类的 Amazon EC2 实例推荐- TensorFlow 算法
<a name="text-classification-tensorflow-instances"></a>

文本分类- TensorFlow 算法支持所有 CPU 和 GPU 实例进行训练，包括：
+ `ml.p2.xlarge`
+ `ml.p2.16xlarge`
+ `ml.p3.2xlarge`
+ `ml.p3.16xlarge`
+ `ml.g4dn.xlarge`
+ `ml.g4dn.16.xlarge`
+ `ml.g5.xlarge`
+ `ml.g5.48xlarge`

对于大批量训练，建议使用具有更多内存的 GPU 实例。CPU（例如 M5）实例和 GPU（P2、P3、G4dn 或 G5）实例都可用于推理。有关各 AWS 区域 SageMaker 训练和推理实例的完整列表，请参阅 [Amazon SageMaker 定价](https://aws.amazon.com/sagemaker/pricing/)。

## 文本分类- TensorFlow 样本笔记本
<a name="text-classification-tensorflow-sample-notebooks"></a>

有关如何使用 SageMaker AI 文本分类- TensorFlow 算法对自定义数据集进行迁移学习的更多信息，请参阅《[文本分类简介](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_text_classification/Amazon_JumpStart_Text_Classification.ipynb)》笔记本。 JumpStart 

有关如何创建和访问可用于在 SageMaker AI 中运行示例的 Jupyter 笔记本实例的说明，请参阅。[Amazon SageMaker 笔记本实例](nbi.md)创建并打开笔记本实例后，选择 “**SageMaker AI 示例**” 选项卡以查看所有 SageMaker AI 示例的列表。要打开笔记本，请选择其**使用**选项卡，然后选择**创建副本**。