Я написал код python для текстового классификатора с использованием SVM (Multi-class) , теперь я хочу запустить этот код в приложении android. TensorFlow-lite полезен в этом сценарии из того, что я прочитал, как мне перейти к работе по преобразованию моего python кода в код TensorFlow-lite? какие шаги мне нужно выполнить?
Ниже приведен код для классификатора SVM,
import pandas as pd
import numpy as np
import tensorflow as tf
from collections import Counter
from sklearn import model_selection, preprocessing, linear_model, naive_bayes, metrics, svm
from sklearn.feature_extraction.text import TfidfVectorizer, CountVectorizer
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.svm import SVC
column_names = ['text', 'labels']
data = pd.read_csv("newdataset.csv", names = column_names, index_col = False)
train_x, test_x, train_y, test_y = model_selection.train_test_split(data.text,data.labels,test_size = 0.5 ,random_state = 0)
count_vect = CountVectorizer(analyzer='word', token_pattern=r'\w{1,}',max_features=100)
count_vect.fit(data.text)
xtrain_count = count_vect.transform(train_x)
xtest_count = count_vect.transform(test_x)
tfidf_vect = TfidfTransformer()
xtrain_tfidf = tfidf_vect.fit_transform(xtrain_count)
xtest_tfidf = tfidf_vect.fit_transform(xtest_count)
clf = svm.SVC(kernel='linear')
clf.fit(xtrain_tfidf, train_y)
predicted = clf.predict(xtest_tfidf)
from sklearn.metrics import classification_report, confusion_matrix, accuracy_score
print(confusion_matrix(test_y,predicted))
print(classification_report(test_y,predicted))
print(accuracy_score(test_y,predicted))