Attribution dynamique de catégories
L'attribution dynamique de catégories permet à un modèle de classer du texte dans des catégories prédéfinies, même sans formation préalable pour ces catégories.
À l'aide de l'outil Hugging Face « pipeline() » pour la tâche « zero-shot-classification », veuillez fournir le texte et les catégories prédéfinies afin d'identifier la meilleure correspondance.
Construisez un classificateur pour prédire l'étiquette de l'text e d'entrée, qui est un titre d'actualité déjà chargé pour vous.
Le module d'extension « pipelines » de la bibliothèque « transformers » est préchargé pour votre commodité.
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
- Créez le pipeline et enregistrez-le sous le nom «
classifier». - Veuillez créer une liste des étiquettes -
"politics","science","sports"- et enregistrez-la sous le nom «categories». - Veuillez prédire l'étiquette de l'
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]}")