Vyhodnocení modelu BERT
Teď, když jsou ukázkové recenze tokenizované pomocí BERT tokenizéru, je čas vyhodnotit model BERT na vzorcích z PyBooks. Zároveň otestujeme, jak model předpovídá sentiment na nových datech.
Následující položky jsou již naimportované: BertTokenizer, BertForSequenceClassification, torch.
Instance natrénovaného modelu model je také předem načtená. Otestujeme ji na novém datovém vzorku.
Toto cvičení je součástí kurzu
Deep Learning for Text with PyTorch
Pokyny k cvičení
- Připrav hodnoticí text pro model tak, že ho tokenizuješ a vrátíš PyTorch tenzory.
- Převeď výstupní logity na pravděpodobnosti v rozsahu mezi nulou a jednou.
- Zobraz sentimenty odvozené z pravděpodobností.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
text = "I had an awesome day!"
# Tokenize the text and return PyTorch tensors
input_eval = tokenizer(____, return_tensors=____, truncation=True, padding=True, max_length=32)
outputs_eval = model(**input_eval)
# Convert the output logits to probabilities
predictions = torch.nn.functional.____(outputs_eval.____, dim=-1)
# Display the sentiments
predicted_label = ____ if torch.____(predictions) > 0 else ____
print(f"Text: {text}\nSentiment: {predicted_label}")