시작하기무료로 시작하기

AutoTokenizer로 텍스트 전처리하기

농업 현장에서 발생하는 문제를 농부들이 직접 질문할 수 있는 정밀 농업 애플리케이션을 만들고 있습니다. 농부들이 현장에서 자주 겪는 문제에 대한 질문과 답변 데이터셋을 활용할 예정이며, 이 데이터셋의 필드 구성은 다음과 같습니다.

  • question: 일반적인 농업 관련 질문
  • answers: 농업 관련 질문에 대한 답변

분산 학습의 첫 번째 단계로, 이 텍스트 데이터셋을 전처리하는 작업을 시작합니다.

다음 데이터가 미리 로드되어 있습니다.

  • dataset: 농업 관련 질문과 답변 샘플 데이터셋
  • AutoTokenizer: transformers에서 임포트됨

이 연습은 강의의 일부입니다

PyTorch로 AI 모델 효율적으로 학습시키기

강의 보기

연습 안내

  • 사전 학습된 tokenizer를 불러오세요.
  • tokenizer를 사용하여 example["question"]을 토큰화하세요.
  • datasetencode() 함수를 적용하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Load a pre-trained tokenizer
tokenizer = ____.____("distilbert-base-uncased")

def encode(example):
    # Tokenize the "question" field of the training example
    return ____(____["____"], padding="max_length", truncation=True, return_tensors="pt")

# Map the function to the dataset
dataset = ____.____(____, batched=True)

dataset = dataset.map(lambda example: {"labels": example["answers"]}, batched=True)

print(dataset)
코드 편집 및 실행