Menggunakan model yang telah di-fine-tune
Model telah di-fine-tune. Sekarang Anda siap menggunakannya pada data baru dan menghasilkan klasifikasi. Mari kita lihat seberapa baik model Anda dalam memberi tag pada interaksi baru sebagai berisiko rendah atau tinggi untuk churn.
model yang telah di-fine-tune dan tokenizer telah dimuat untuk Anda.
Latihan ini adalah bagian dari kursus
Pengantar LLM di Python
Petunjuk latihan
- Tokenisasi data baru.
- Teruskan masukan yang telah ditokenisasi ke model yang telah di-fine-tune, dengan menonaktifkan gradien.
- Ekstrak prediksi baru.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
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}")