Einsatz des feinabgestimmten Modells
Die Feinabstimmung des Modells ist abgeschlossen. Jetzt kannst du neue Daten verwenden und ein paar Klassifikationen erstellen. Mal sehen, wie treffend dein optimiertes Modell das Risiko einer Kundenabwanderung bei neuen Interaktionen als hoch oder niedrig einstuft.
Die von dir fein abgestimmten model und tokenizer sind bereits für dich geladen.
Diese Übung ist Teil des Kurses
Einführung in LLMs mit Python
Anleitung zur Übung
- Tokenisiere die neuen Daten.
- Übergib die tokenisierten Eingaben an das fein abgestimmte Modell und deaktiviere die Gradientenberechnung.
- Extrahiere die neuen Vorhersagen.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
input_text = ["I'd just like to say, I love the product! Thank you!"]
# Tokenize the new data
inputs = ____(____, return_tensors="pt", padding=True, truncation=True)
# Pass the tokenized inputs through the model
with ____:
outputs = ____
# Extract the new predictions
predicted_labels = ____.____(outputs.logits, dim=1).tolist()
label_map = {0: "Low risk", 1: "High risk"}
for i, predicted_label in enumerate(predicted_labels):
churn_label = label_map[predicted_label]
print(f"\n Input Text {i + 1}: {input_text[i]}")
print(f"Predicted Label: {predicted_label}")