multi-class-text-classification-cnn-rnn
Clasifica descripciones de delitos de San Francisco en 39 categorías utilizando un modelo híbrido TextCNN y GRU.
Clasifica conjuntos de datos de texto con una arquitectura CNN y GRU de TensorFlow 2.x Keras.
Esta herramienta de código abierto implementa un modelo híbrido TextCNN y GRU utilizando TensorFlow para clasificar texto en múltiples categorías. Es ideal para científicos de datos e ingenieros de aprendizaje automático que deseen experimentar con arquitecturas de texto de aprendizaje profundo.
Qué es
Entrena una red neuronal que combina capas convolucionales y unidades recurrentes con puertas en incrustaciones de palabras para mapear descripciones de texto a etiquetas categóricas. La canalización gestiona de forma nativa el preprocesamiento de datos, el entrenamiento del modelo, la exportación de artefactos y la predicción por lotes.
Para quién
Está dirigido a profesionales del aprendizaje automático que trabajan en tareas de clasificación de texto multiclase y buscan una implementación de referencia con TensorFlow Keras. No es adecuado para usuarios sin perfil técnico o para quienes busquen una aplicación web sin código.
Funciones clave
TextCNN y GRU híbridos
Combina capas de redes neuronales convolucionales y recurrentes para la clasificación de oraciones.
Entrenamiento configurable
Acepta archivos de configuración JSON externos para gestionar hiperparámetros y longitudes de secuencia.
Exportación de artefactos
Guarda automáticamente modelos, índices de vocabulario, etiquetas de clase y parámetros entrenados.
Listo en 3 pasos
Nuestro veredicto honesto
Lo mejor
- Combina arquitecturas CNN y GRU para la clasificación de secuencias
- Incluye datos de ejemplo integrados y configuraciones de entrenamiento
- Exporta artefactos de modelo estructurados y mapeos de vocabulario
- Proporciona scripts dedicados tanto para el entrenamiento como para la inferencia
Sus límites
- Requiere la configuración manual de un entorno virtual de Python y la instalación de dependencias
- Interfaz exclusivamente de línea de comandos sin interfaz gráfica de usuario
- La ejecución del entrenamiento de aprendizaje profundo requiere un entorno de computación adecuado
Precios y licencia
Gratis bajo la licencia Apache-2.0. No se mencionan opciones de pago alojadas en el repositorio, por lo que el único coste es ejecutarlo por cuenta propia en tu propio hardware.
Empleos para hispanohablantes
876 puestos remotos abiertos de entrenamiento de IA, actualizados el 15 de noviembre de 2026; la mayoría paga $20–$170 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Alternativas
Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.
Úsalo, o deja que lo configuremos
FAQ
¿Qué framework utiliza el modelo?
El modelo está construido utilizando TensorFlow 2.x Keros.
¿Dónde se guardan los artefactos del modelo entrenado?
Los artefactos se escriben en el directorio trained_results, incluyendo el modelo guardado y los mapeos de vocabulario.
