Tensorflow TextVectorization：将预测的文本转换回人类可读的字符串

Question

我开发了一个 model，它可以生成一个遵循序列的新世界。 model 成功输出预测，但我无法使用它，因为它是矢量化的。

我使用tensorflow.keras.layers.TextVectorization对文本进行矢量化：

text_vectorizer = layers.TextVectorization(
    max_tokens=len_shared_vocabulary,
    output_mode="int",
    output_sequence_length=max_inputs_length,
    vocabulary=shared_vocabulary,
)

然后我做：

vectorized_text = text_vectorizer(text)

我将数据提供给 model：

input = Input(shape=(max_inputs_length), name='input')
inputs_arr.append(input)

# ...layers

concatenated = layers.concatenate(layers_arr, axis=-1)

output_tensor = layers.Dense(1, activation='softsign')(concatenated)

model = Model(inputs_arr, output_tensor)

现在进行预测，我将文本矢量化层嵌入到“新”model 中：

input = keras.Input(shape=(1,), dtype="string")
processed_input = self._text_vectorizer(input)
outputs = model(processed_input)
inference_model = keras.Model(input, outputs)

最后：

raw_input = tf.convert_to_tensor([
    ["Some text to run the prediction on"],
])
predictions = inference_model(raw_input)
print(predictions[0])

现在，如何将 predictions[0] 中的矢量化 output 转换为可读字符串？

Answer 1

你可以做类似的事情

vocab = text_vectorizer.get_vocabulary()
" ".join([vocab[each] for each in tf.squeeze(predictions)])