BERTモデルを評価する
BERT のトークナイザでサンプルレビューをトークン化したので、次は PyBooks のサンプルで BERT モデルを評価します。さらに、新しいデータに対するモデルの感情予測も評価します。
次のものはインポート済みです：BertTokenizer、BertForSequenceClassification、torch。
学習済みの model インスタンスも読み込まれています。これを新しいデータサンプルでテストします。
この演習はコースの一部です
PyTorch で学ぶテキストの Deep Learning
演習の手順
- 評価用テキストをトークン化し、PyTorch テンソルを返すようにしてモデルに渡します。
- 出力の logits を 0〜1 の確率に変換します。
- その確率から感情を表示します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
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}")