TextClassifier

[來源]

TextClassifier 類別

keras_nlp.models.TextClassifier()

所有分類任務的基底類別。

TextClassifier 任務包裝了 keras_nlp.models.Backbone 和 keras_nlp.models.Preprocessor，以建立可用於序列分類的模型。 TextClassifier 任務採用額外的 num_classes 參數，用於控制預測輸出類別的數量。

要使用 fit() 進行微調，請傳遞包含 (x, y) 標籤元組的資料集，其中 x 是字串，而 y 是 [0, num_classes) 範圍內的整數。

所有 TextClassifier 任務都包含一個 from_preset() 建構函數，可用於載入預先訓練的配置和權重。

部分（但並非所有）分類預設集在 task.weights.h5 檔案中包含分類頭權重。 對於這些預設集，您可以省略傳遞 num_classes 來還原已儲存的分類頭。 對於所有預設集，如果將 num_classes 作為關鍵字引數傳遞給 from_preset()，則分類頭將被隨機初始化。

範例

# Load a BERT classifier with pre-trained weights.
classifier = keras_nlp.models.TextClassifier.from_preset(
    "bert_base_en",
    num_classes=2,
)
# Fine-tune on IMDb movie reviews (or any dataset).
imdb_train, imdb_test = tfds.load(
    "imdb_reviews",
    split=["train", "test"],
    as_supervised=True,
    batch_size=16,
)
classifier.fit(imdb_train, validation_data=imdb_test)
# Predict two new examples.
classifier.predict(["What an amazing movie!", "A total waste of my time."])

[來源]

from_preset 方法

TextClassifier.from_preset(preset, load_weights=True, **kwargs)

從模型預設集實例化 keras_nlp.models.Task。

預設集是配置、權重和其他檔案資產的目錄，用於儲存和載入預先訓練的模型。 preset 可以作為以下其中一種傳遞：

1. 內建預設集識別碼，例如 'bert_base_en'
2. Kaggle 模型控點，例如 'kaggle://user/bert/keras/bert_base_en'
3. Hugging Face 控點，例如 'hf://user/bert_base_en'
4. 本機預設集目錄的路徑，例如 './bert_base_en'

對於任何 Task 子類別，您可以執行 cls.presets.keys() 來列出類別上可用的所有內建預設集。

此建構函式可透過兩種方式呼叫。一種是從特定於任務的基底類別呼叫，例如 keras_nlp.models.CausalLM.from_preset()；另一種是從模型類別呼叫，例如 keras_nlp.models.BertTextClassifier.from_preset()。如果從基底類別呼叫，則會從預設目錄中的設定推斷出傳回物件的子類別。

引數

• preset：字串。內建的預設識別碼、Kaggle 模型控點、Hugging Face 控點或本機目錄的路徑。
• load_weights：布林值。如果為 True，則會將儲存的權重載入模型架構中。如果為 False，則會將所有權重隨機初始化。

範例

# Load a Gemma generative task.
causal_lm = keras_nlp.models.CausalLM.from_preset(
    "gemma_2b_en",
)

# Load a Bert classification task.
model = keras_nlp.models.TextClassifier.from_preset(
    "bert_base_en",
    num_classes=2,
)

[來源]

compile 方法

TextClassifier.compile(optimizer="auto", loss="auto", metrics="auto", **kwargs)

設定 TextClassifier 任務以進行訓練。

TextClassifier 任務使用 optimizer、loss 和 metrics 的預設值，擴充 keras.Model.compile 的預設編譯簽章。如要覆寫這些預設值，請在編譯期間將任何值傳遞至這些引數。

引數

• optimizer："auto"、優化器名稱或 keras.Optimizer 執行個體。預設值為 "auto"，會針對指定的模型和任務使用預設的優化器。如需可能的 optimizer 值的詳細資訊，請參閱 keras.Model.compile 和 keras.optimizers。
• loss："auto"、損失函數名稱或 keras.losses.Loss 執行個體。預設值為 "auto"，其中會套用 keras.losses.SparseCategoricalCrossentropy 損失函數於分類任務。如需可能的 loss 值的詳細資訊，請參閱 keras.Model.compile 和 keras.losses。
• metrics："auto" 或模型在訓練和測試期間評估的一系列指標。預設值為 "auto"，其中會套用 keras.metrics.SparseCategoricalAccuracy 來追蹤模型在訓練期間的準確性。如需可能的 metrics 值的詳細資訊，請參閱 keras.Model.compile 和 keras.metrics。
• **kwargs：如需編譯方法支援的完整引數清單，請參閱 keras.Model.compile。

[來源]

save_to_preset 方法

TextClassifier.save_to_preset(preset_dir)

將任務儲存至預設目錄。

引數

• preset_dir：本機模型預設目錄的路徑。

preprocessor 屬性

keras_nlp.models.TextClassifier.preprocessor

用於預先處理輸入的 keras_nlp.models.Preprocessor 層。

backbone 屬性

keras_nlp.models.TextClassifier.backbone

具有核心架構的 keras_nlp.models.Backbone 模型。