MulaiMulai sekarang secara gratis

Penetapan kategori dinamis

Penetapan kategori dinamis memungkinkan sebuah model mengklasifikasikan teks ke dalam kategori yang sudah ditentukan, meskipun model belum dilatih sebelumnya untuk kategori-kategori tersebut.

Dengan menggunakan pipeline() dari Hugging Face untuk tugas zero-shot-classification, berikan teks dan kategori yang sudah ditentukan untuk menemukan kecocokan terbaik.

Bangun sebuah pengklasifikasi untuk memprediksi label bagi text masukan, yaitu sebuah judul berita yang telah dimuat untuk Anda.

pipelines dari pustaka transformers telah dimuat sebelumnya untuk memudahkan Anda.

Catatan: Kami menggunakan versi pipeline yang telah disesuaikan agar Anda dapat mempelajari cara menggunakan fungsi-fungsi ini tanpa perlu mengunduh model.

Latihan ini adalah bagian dari kursus

Bekerja dengan Hugging Face

Lihat Kursus

Petunjuk latihan

  • Bangun pipeline dan simpan sebagai classifier.
  • Buat daftar label — "politics", "science", "sports" — dan simpan sebagai categories.
  • Prediksi label dari text menggunakan classifier dan kategori yang telah ditentukan.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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]}")
Edit dan Jalankan Kode