Utilisation du modèle affiné
Le modèle a été affiné. Vous êtes désormais prêt à utiliser de nouvelles données et à générer des classifications. Vérifions la capacité de votre modèle optimisé à classer les nouvelles interactions comme présentant un risque faible ou élevé de désabonnement.
Votre model affiné et le tokenizer ont été chargés pour vous.
Cet exercice fait partie du cours
<cours>Introduction aux LLM en Python</cours>Instructions de l’exercice
- Veuillez tokeniser les nouvelles données.
- Transmettez les entrées tokenisées au modèle ajusté, en désactivant les gradients.
- Veuillez extraire les nouvelles prévisions.
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}")