文本的通用签名

此页面介绍了接受文本输入的任务中，TF1 Hub 格式 中的模块应实现的通用签名。（对于 TF2 SavedModel 格式，请参阅类似的 SavedModel API。）

文本特征向量

文本特征向量模块从文本特征中创建密集向量表示。它接受形状为 [batch_size] 的字符串批次，并将它们映射到形状为 [batch_size, N] 的 float32 张量。这通常在维度 N 中称为文本嵌入。

基本用法

  embed = hub.Module("path/to/module")
  representations = embed([
      "A long sentence.",
      "single-word",
      "http://example.com"])

特征列用法

    feature_columns = [
      hub.text_embedding_column("comment", "path/to/module", trainable=False),
    ]
    input_fn = tf.estimator.inputs.numpy_input_fn(features, labels, shuffle=True)
    estimator = tf.estimator.DNNClassifier(hidden_units, feature_columns)
    estimator.train(input_fn, max_steps=100)

注释

模块已在不同的域和/或任务上进行预训练，因此并非每个文本特征向量模块都适合你的问题。例如：某些模块可能已在单一语言上进行训练。

此界面不允许在 TPU 上微调文本表示，因为它要求模块同时实例化字符串处理和可训练变量。