Attribution dynamique des catégories
L’affectation dynamique des catégories permet à un modèle de classer un texte dans des catégories prédéfinies, même sans entraînement préalable sur ces catégories.
Avec pipeline() de Hugging Face pour la tâche zero-shot-classification, fournissez le texte et les catégories prédéfinies afin d’identifier la meilleure correspondance.
Créez un classifieur pour prédire l’étiquette du text en entrée, qui est un titre d’actualité déjà chargé pour vous.
Les pipelines de la bibliothèque transformers sont préchargées pour vous faciliter la tâche.
Remarque : Nous utilisons une version personnalisée de la 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 la pipeline et enregistrez-la sous
classifier. - Créez une liste d’étiquettes :
"politics","science","sports", et enregistrez-la souscategories. - Prédisez l’étiquette de
textà l’aide du classifieur 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]}")