Utilisation du modèle affiné
Le modèle a été affiné. Vous êtes maintenant prêt à utiliser de nouvelles données et à générer des classifications. Voyons dans quelle mesure votre modèle affiné réussit à étiqueter les nouvelles interactions comme présentant un risque faible ou élevé de désabonnement.
Votre model et le tokenizer ont été chargés pour vous.
Cet exercice fait partie du cours
Introduction aux LLM en Python
Instructions
- Tokenisez les nouvelles données.
- Transmettez les données d'entrée tokenisées au modèle affiné, en désactivant les gradients.
- Extrayez les nouvelles prédictions.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
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}")