Affectation dynamique des catégories
L'attribution dynamique de catégories permet à un modèle de classer un texte dans des catégories prédéfinies, même sans formation préalable à ces catégories.
En utilisant le site pipeline() de Hugging Face pour la tâche zero-shot-classification, fournissez le texte et les catégories prédéfinies pour identifier la meilleure correspondance.
Construisez un classificateur pour prédire l'étiquette de l'entrée text, qui est un titre d'actualité déjà chargé pour vous.
Le fichier pipelines de la bibliothèque transformers est préchargé pour vous faciliter la tâche.
Remarque : Nous utilisons une version personnalisée du pipeline pour vous aider à apprendre à utiliser ces fonctions sans avoir à télécharger le modèle.
Cet exercice fait partie du cours
Travailler avec Hugging Face
Instructions
- Construisez le pipeline et enregistrez le sous
classifier. - Créez une liste des étiquettes -
"politics","science","sports"- et enregistrez-la souscategories. - Prédire l'étiquette de
textà l'aide du classificateur et des catégories prédéfinies.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
text = "AI-powered robots assist in complex brain surgeries with precision."
# Create the pipeline
____ = pipeline(____="zero-shot-classification", ____="facebook/bart-large-mnli")
# Create the categories list
categories = ["politics", "____", "____"]
# Predict the output
output = ____(____, ____)
# Print the top label and its score
print(f"Top Label: {output['labels'][0]} with score: {output['scores'][0]}")