Mit dem Feinabstimmungsmodell
Das Modell wurde verfeinert. Jetzt bist du bereit, neue Daten zu verwenden und Klassifizierungen zu erstellen. Mal sehen, wie gut dein fein abgestimmtes Modell neue Interaktionen als geringes oder hohes Abwanderungsrisiko einstuft.
Deine fein abgestimmte model und die tokenizer wurden für dich geladen.
Diese Übung ist Teil des Kurses
Einführung in LLMs in Python
Anleitung zur Übung
- Tokenisiere die neuen Daten.
- Gib die tokenisierten Eingaben in das Feinabstimmungsmodell ein und deaktiviere die Gradienten.
- Extrahiere die neuen Vorhersagen.
Interaktive Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
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}")