Evaluar el modelo BERT
Después de tokenizar las reseñas de ejemplo con el tokenizador de BERT, es momento de evaluar el modelo BERT con las muestras de PyBooks. Además, evaluarás la predicción de sentimiento del modelo en datos nuevos.
Ya tienes importado lo siguiente: BertTokenizer, BertForSequenceClassification, torch.
La instancia entrenada model también está precargada. Ahora la probaremos con una nueva muestra de datos.
Este ejercicio forma parte del curso
Deep Learning para texto con PyTorch
Instrucciones del ejercicio
- Prepara el texto de evaluación para el modelo tokenizándolo y devolviendo tensores de PyTorch.
- Convierte los logits de salida en probabilidades entre cero y uno.
- Muestra los sentimientos a partir de las probabilidades.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
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}")