शुरू करेंमुफ़्त में शुरू करें

BERT मॉडल का मूल्यांकन

BERT के tokenizer से sample reviews को tokenize करने के बाद, अब PyBooks के samples पर BERT मॉडल का मूल्यांकन करने का समय है. इसके अलावा, आप नए डेटा पर मॉडल की sentiment prediction का भी आकलन करेंगे.

आपके लिए निम्नलिखित इम्पोर्ट कर दिए गए हैं: BertTokenizer, BertForSequenceClassification, torch. प्रशिक्षित model इंस्टेंस भी पहले से लोड है. अब हम इसे एक नए डेटा सैंपल पर टेस्ट करेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

PyTorch के साथ टेक्स्ट के लिए डीप लर्निंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • evaluation टेक्स्ट को मॉडल के लिए tokenize करके तैयार करें और PyTorch टेन्सर्स रिटर्न करें.
  • output logits को शून्य और एक के बीच probabilities में कन्वर्ट करें.
  • probabilities से sentiments दिखाएँ.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

text = "I had an awesome day!"

# Tokenize the text and return PyTorch tensors
input_eval = tokenizer(____, return_tensors=____, truncation=True, padding=True, max_length=32)
outputs_eval = model(**input_eval)

# Convert the output logits to probabilities
predictions = torch.nn.functional.____(outputs_eval.____, dim=-1)

# Display the sentiments
predicted_label = ____ if torch.____(predictions) > 0 else ____
print(f"Text: {text}\nSentiment: {predicted_label}")
कोड संपादित करें और चलाएँ