फाइन-ट्यून किए गए मॉडल का उपयोग
मॉडल को फाइन-ट्यून कर दिया गया है. अब आप इसे नए डेटा पर चलाने और कुछ classifications जनरेट करने के लिए तैयार हैं. आइए देखें कि आपका फाइन-ट्यून किया हुआ मॉडल नई interactions को churn के लिए low या high risk के रूप में टैग करने में कितना अच्छा करता है.
आपके लिए फाइन-ट्यून किया हुआ model और tokenizer लोड कर दिए गए हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में LLMs का परिचय
अभ्यास निर्देश
- नए डेटा को tokenize करें.
- Gradients disable करते हुए tokenized inputs को फाइन-ट्यून मॉडल में पास करें.
- नई predictions निकालें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
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}")