该工具要求安装深度学习框架。 要设置计算机以在 ArcGIS Pro 中使用深度学习框架，请参阅安装 ArcGIS 的深度学习框架。
该工具需要包含经过训练的模型信息的模型定义文件。 该模型可以使用训练文本分类模型工具进行训练。 输入模型定义文件参数值可以是 Esri 模型定义 JSON 文件 (.emd) 或深度学习模型包 (.dlpk)。 模型文件必须存储在本地。
该工具可以在 CPU 或 GPU 上运行。 但是，由于深度学习为计算密集型，因此建议使用 GPU。 要使用 GPU 运行此工具，请将处理器类型环境设置为 GPU。 如果您具有多个 GPU，还可以指定 GPU ID 环境
有关运行此工具的要求以及您可能遇到的问题的信息，请参阅深度学习常见问题。
| 标注 | 说明 | 数据类型 |
输入表 | 输入点、线或面要素类或表，其中包含将分类和标注的文本。 | Feature Layer; Table View |
文本字段 | 输入要素类或表中的文本字段，其中包含将分类的文本。 | Field |
输入模型定义文件 | 将用于分类的训练模型。 模型定义文件可以是本地存储的 Esri 模型定义 JSON 文件 (.emd) 或深度学习模型包 (.dlpk)。 | File |
类标注字段 (可选) | 将包含模型分配的类或类别标注的字段名称。 默认字段名称为 ClassLabel。 | String |
模型参数 (可选) | 将使用其他参数（例如，置信度阈值）调整模型的灵敏度。 将使用该工具填充参数名称。 | Value Table |
| 标注 | 说明 | 数据类型 |
| 已更新的表 | 输出点、线或面要素类或表，其中包含派生自输入数据的已分类和已标注文本。 | Table View; Feature Layer |
arcpy.geoai.ClassifyTextUsingDeepLearning(in_table, text_field, in_model_definition_file, {class_label_field}, {model_arguments})| 名称 | 说明 | 数据类型 |
in_table | 输入点、线或面要素类或表，其中包含将分类和标注的文本。 | Feature Layer; Table View |
text_field | 输入要素类或表中的文本字段，其中包含将分类的文本。 | Field |
in_model_definition_file | 将用于分类的训练模型。 模型定义文件可以是本地存储的 Esri 模型定义 JSON 文件 (.emd) 或深度学习模型包 (.dlpk)。 | File |
class_label_field (可选) | 将包含模型分配的类或类别标注的字段名称。 默认字段名称为 ClassLabel。 | String |
model_arguments [model_arguments,...] (可选) | 将使用其他参数（例如，置信度阈值）调整模型的灵敏度。 将使用该工具填充参数名称。 | Value Table |
| 名称 | 说明 | 数据类型 |
| updated_table | 输出点、线或面要素类或表，其中包含派生自输入数据的已分类和已标注文本。 | Table View; Feature Layer |
以下 Python 窗口脚本演示了如何使用 ClassifyTextUsingDeepLearning 函数。
# Name: ClassifyText.py
# Description: Classify text into multiple classes
#
# Requirements: ArcGIS Pro Advanced license
# Import system modules
import arcpy
import os
arcpy.env.workspace = "C:/textanalysisexamples/data"
# Set local variables
in_table = "TextClassifierData"
pretrained_model_path_emd = "c:\\classifydata\\TextClassifier.emd"
# Run Classify Text Using Deep Learning
arcpy.geoai.ClassifyTextUsingDeepLearning(in_table, "Address", pretrained_model_path_emd)