Utiliser le modèle ajusté
Le modèle a été ajusté. Vous êtes maintenant prêt à l'utiliser sur de nouvelles données et à générer des classifications. Voyons à quel point votre modèle ajusté réussit à étiqueter de nouvelles interactions comme présentant un faible ou un haut risque d'attrition.
Votre model ajusté et le tokenizer ont été chargés pour vous.
Cette activité fait partie du cours
Introduction aux LLM avec Python
Instructions de l’exercice
- Tokenisez les nouvelles données.
- Envoyez les entrées tokenisées au modèle ajusté, en désactivant les gradients.
- Extrayez les nouvelles prédictions.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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}")