用tf的VocabularyProcessor使用细节
一、如何创建保存使用
1. 导入
from tensorflow.contrib import learnvp = learn.preprocessing.VocabularyProcessor(100, 0, tokenizer_fn=chinese_tokenizer)
其中VocabularyProcessor(max_document_length,min_frequency=0,vocabulary=None, tokenizer_fn=None)
的构造函数中有4个参数
max_document_length
是文档的最大长度。如果文本的长度大于最大长度,那么它会被剪切,反之则用0填充
min_frequency
词频的最小值,出现次数>最小词频 的词才会被收录到词表中
vocabulary
CategoricalVocabulary 对象,不太清楚使用方法
tokenizer_fn
tokenizer function,讲句子或给定文本格式 token化得函数,可以理解为分词函数
2.token化
vp = learn.preprocessing.VocabularyProcessor(10, tokenizer_fn=list)
x = list(vp.fit_transform(["abc", "bbd"]))
print(x)
创建一个长为10的词表,然后将字符串token化得到结果为
也可以结合中文来做,当然tokenizer_fn要与文本相适应,可以实现自己的tokenizer function,如
from jieba import cut
from tensorflow.contrib import learn
import numpy as npDOCUMENTS = ['这是一条测试1','这是一条测试2','这是一条测试3','这是其他测试',
]def chinese_tokenizer(docs):for doc in docs:yield list(cut(doc))vocab = learn.preprocessing.VocabularyProcessor(10, 0, tokenizer_fn=chinese_tokenizer)
x = list(vocab.fit_transform(DOCUMENTS))
print(np.array(x))
这里中文引入了jieba分词,实现了自己的tokenizer函数,输出结果如下:
CategoricalVocabulary 对象可以先构建一个词典,再做token化,还是不太熟,但是有一个小demo可以示范:
vocab = learn.preprocessing.CategoricalVocabulary()
vocab.get("A")
vocab.get("B")
vocab.freeze()
vocab_processor = learn.preprocessing.VocabularyProcessor(max_document_length=4,vocabulary=vocab,tokenizer_fn=list)
tokens = vocab_processor.fit_transform(["ABC", "CBABAF"])
print(np.array(list(tokens)))
这里预先创建了一个词典,添加了"A","B" 进去,并且设置最大文本长度为4,结果如下
我们可以还可以观察得到的词典,以dict的形式输出 这是一个 词--->词表id的映射
vocab_dict = vocab.vocabulary_._mapping
print(vocab_dict)
分别输出以上的中文词表,和通过CategoricalVocabulary构建的词表如下
反向的索引 即 词表id--->词的映射 这是一个列表
print(vocab_dict)
print(vocab.vocabulary_._reverse_mapping)
可以通过id索引到词
vocab.vocabulary_.reverse(3)
输出 在词表中id为3的词
3.存储和加载
vocab.save('vocab.pickle')
vocab = VocabularyProcessor.restore('vocab.pickle')
作者:NLP幼儿园
链接:https://www.jianshu.com/p/db400a569730
来源:简书
简书著作权归作者所有,任何形式的转载都请联系作者获得授权并注明出处。
二、查看词汇表的长度以及词汇不在词典中的情况
from jieba import cut
from tensorflow.contrib import learn
import numpy as npDOCUMENTS = ['这是一条测试1','这是一条测试2','这是一条测试3','这是其他测试',
]def chinese_tokenizer(docs):for doc in docs:print(list(cut(doc)))yield list(cut(doc))vocab = learn.preprocessing.VocabularyProcessor(10, 0, tokenizer_fn=chinese_tokenizer)
clf = vocab.fit(DOCUMENTS)
vocab_dict = vocab.vocabulary_._mapping
print(len(vocab_dict))
print(vocab_dict)
print(np.array(list(clf.transform(DOCUMENTS+["你是牛逼的人"]))))
输出:
['这是', '一条', '测试', '1']
['这是', '一条', '测试', '2']
['这是', '一条', '测试', '3']
['这是', '其他', '测试']
8
{'<UNK>': 0, '这是': 1, '一条': 2, '测试': 3, '1': 4, '2': 5, '3': 6, '其他': 7}
['这是', '一条', '测试', '1']
['这是', '一条', '测试', '2']
['这是', '一条', '测试', '3']
['这是', '其他', '测试']
['你', '是', '牛', '逼', '的', '人']
[[1 2 3 4 0 0 0 0 0 0]
[1 2 3 5 0 0 0 0 0 0]
[1 2 3 6 0 0 0 0 0 0]
[1 7 3 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0 0]]
用tf的VocabularyProcessor使用细节相关推荐
- 用tf的VocabularyProcessor创建词汇表vocab
学习tf的时候用到的一个词汇创建工具,比较方便,记录其使用方法. 1. 导入 from tensorflow.contrib import learnvp = learn.preprocessing. ...
- tf.contrib.learn.preprocessing.VocabularyProcessor
tf.contrib.learn.preprocessing.VocabularyProcessor (max_document_length, min_frequency=0, vocabulary ...
- 判断frame是否已创建_大白菜的ROS笔记(8)(创建TF广播和监听,内容很多,细节满满)...
创建TF广播和监听 #include <ros/ros.h> #include <tf/transform_broadcaster.h> #include <turtle ...
- 使用方法 ros_大白菜的ROS笔记(8)(创建TF广播和监听,内容很多,细节满满)...
创建TF广播和监听 #include <ros/ros.h> #include <tf/transform_broadcaster.h> #include <turtle ...
- tf.nn.rnn_cell.DropoutWrapper用法细节案例2
-- coding: utf-8 -- import tensorflow as tf from tensorflow.contrib import rnn 导入 MINST 数据集 from ten ...
- tf.nn.rnn_cell.DropoutWrapper用法细节案例1
前言:前面介绍了LSTM,下面介绍LSTM的几种变种 双向RNN Bidirectional RNN(双向RNN)假设当前t的输出不仅仅和之前的序列有关,并且 还与之后的序列有关,例如:预测一个语句中 ...
- TF 2.1.0-rc2发布,2020年停止支持Python 2
作者 | 神经星星 来源 | HyperAI超神经(ID:HyperAI) [导读]2020 年 1 月 1 日,Python 2 停止维护,正式退休.Python 3 全面登场的时刻,TensorF ...
- 如何用TF Object Detection API训练交通信号灯检测神经网络?
参加 2019 Python开发者日,请扫码咨询 ↑↑↑ 作者简介:申泽邦(Adam Shan),谷歌认证机器学习专家(Google Developer Expert),兰州大学智能驾驶团队技术负责人 ...
- 细节解密:当前最佳的YOLOv4是如何炼成火眼金睛的?
点击上方"视学算法",选择"星标" 快速获得最新干货 本文转自机器之心 前段时间,突然发布的 YOLOv4 成了计算机视觉领域一大热点新闻.这个目标检测任务的 ...
最新文章
- ReadWriteLock
- linux cpu上下文切换 简介
- Android中的数据传递之Parcelable接口
- 以下关于java的GUI菜单描述_第十九讲 菜单和JavaGUI综合设计
- VC++源码分析 - 中国象棋源码分析
- and or not 优先级_我的家乡|我的侠客公测成就奖励大全 成就解锁优先级排名
- 课程管理系统 java
- 【MySQL建表语句转PostgreSQL建表语句】MySQL建表语句转PostgreSQL建表语句 接上一篇
- python客户端软件开发_用 Python 实现一个简易版 HTTP 客户端
- 操作系统核心与驱动程序
- 蓝桥杯第四届初赛“模拟智能灌溉系统”设计任务书
- 网心科技 | 三分钟带你了解中国CDN发展史
- 传奇gee引擎,智能假人,假人脚本,geeM2假人
- Python批量修改图片名称,格式,并批量量化
- 升级Git版本到最新的方法
- 2022长安杯-wp
- 计算机听不到音乐怎么回事,电脑听不到声音怎么办
- ROS 学习系列-- 四轮机器人线性速率、角速度和电机PWM线性关系的定量分析
- 新型零基础入门软件测试自学“骗局”来啦!培训机构才能给你最好学习质量?
- 高斯-克吕格投影与地形图分带
热门文章
- Python基础教程:条件语句的七种写法
- Python+Selenium基本语法
- tensorflow tf.train.Saver.restore() (用于下次训练时恢复模型)
- pycharm 怎么修改函数(变量)名及其引用?全局修改(批量重命名)(ctrl + f6)
- python pycharm 增量选择 ctrl+w
- Dota2 Pro Circuit 贪心-模拟
- html语言可以写模版继承吗,16-Django的模板语言(变量,标签,过滤器,继承,html转义)...
- linux下的ppp软件,linux下ppp拨号无线上网(示例代码)
- java常用的发送http请求的工具方法
- Java后端架构开荒实战(二)——单机到集群