multi-class-text-classification-cnn-rnn
Klassifiziere Verbrechensbeschreibungen in San Francisco mithilfe eines hybriden TextCNN- und GRU-Modells in 39 Kategorien.
Klassifiziere Textdatensätze mit einer TensorFlow 2.x Keras CNN- und GRU-Architektur.
Dieses Open-Source-Tool implementiert ein hybrides TextCNN- und GRU-Modell mit TensorFlow, um Text in mehrere Kategorien zu klassifizieren. Es eignet sich für Data Scientists und Machine-Learning-Engineers, die mit Deep-Learning-Textarchitekturen experimentieren möchten.
Was es ist
Es trainiert ein neuronales Netz, das Faltungsschichten und Gated Recurrent Units auf Worteinbettungen kombiniert, um Textbeschreibungen auf kategoriale Labels abzubilden. Die Pipeline übernimmt Datenvorverarbeitung, Modelltraining, Artefakt-Export und Batch-Vorhersagen von Haus aus.
Für wen
Es eignet sich für Machine-Learning-Praktiker, die an Klassifizierungsaufgaben für Texte mit mehreren Klassen arbeiten und eine Referenzimplementierung mit TensorFlow Keras suchen. Es eignet sich nicht für nicht-technische Benutzer oder Personen, die eine No-Code-Webanwendung suchen.
Wichtige Funktionen
Hybrides TextCNN und GRU
Kombiniert Schichten neuronaler Faltungs- und rekurrenten Netze zur Satzklassifizierung.
Konfigurierbares Training
Akzeptiert externe JSON-Konfigurationsdateien zur Verwaltung von Hyperparametern und Sequenzlängen.
Artefakt-Export
Schreibt automatisch gespeicherte Modelle, Vokabularindizes, Klassenlabels und trainierte Parameter heraus.
Startklar in 3 Schritten
Unser ehrliches Fazit
Stärken
- Kombiniert CNN- und GRU-Architekturen für Sequenzklassifizierung
- Enthält gebündelte Beispieldaten und Trainingskonfigurationen
- Exportiert strukturierte Modellartefakte und Vokabular-Mappings
- Bietet dedizierte Skripte für Training und Inferenz
Schwächen
- Erfordert eine manuelle Python-Virtuelle-Umgebung und die Installation von Abhängigkeiten
- Nur Command-Line-Interface ohne grafische Benutzeroberfläche
- Das Ausführen von Deep-Learning-Training erfordert eine geeignete Rechenumgebung
Preise & Lizenz
Kostenlos unter der Apache-2.0-Lizenz. Es werden im Repository keine kostenpflichtigen Hosted-Optionen erwähnt, sodass die einzigen Kosten darin bestehen, es selbst auf eigener Hardware auszuführen.
Stellen für Deutschsprachige
876 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$170 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Alternativen
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Nutze es, oder lass es uns einrichten
FAQ
Welches Framework verwendet das Modell?
Das Modell ist mit TensorFlow 2.x Keras aufgebaut.
Wo werden die Artefakte des trainierten Modells gespeichert?
Artefakte werden in das Verzeichnis trained_results geschrieben, einschließlich des gespeicherten Modells und der Vokabular-Mappings.
