शुरू करेंमुफ़्त में शुरू करें

Dynamic category assignment

Dynamic category assignment से मॉडल किसी टेक्स्ट को पहले से तय की गई श्रेणियों में वर्गीकृत कर सकता है, भले ही उन श्रेणियों पर पहले प्रशिक्षण न हुआ हो.

Hugging Face के pipeline() का उपयोग करते हुए zero-shot-classification टास्क के लिए, टेक्स्ट और प्रीडिफाइंड श्रेणियाँ दें ताकि सबसे उपयुक्त मैच पहचाना जा सके.

एक क्लासिफायर बनाएँ जो इनपुट text (यह एक न्यूज़ हेडलाइन है जो आपके लिए पहले से लोड है) का लेबल प्रेडिक्ट करे.

transformers लाइब्रेरी से pipelines आपके लिए पहले से लोड है.

नोट: हम pipeline का एक कस्टमाइज़्ड वर्शन उपयोग कर रहे हैं ताकि आप बिना मॉडल डाउनलोड किए इन फंक्शंस का उपयोग करना सीख सकें.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Hugging Face के साथ काम करना

पाठ्यक्रम देखें

अभ्यास निर्देश

  • पाइपलाइन बनाइए और उसे classifier के रूप में सेव करें.
  • लेबल्स की सूची बनाएँ — "politics", "science", "sports" — और उसे categories के रूप में सेव करें.
  • प्रीडिफाइंड categories के साथ classifier का उपयोग करके text का लेबल प्रेडिक्ट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

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]}")
कोड संपादित करें और चलाएँ