Voorgetrainde modellen laden en inspecteren
Je bouwt een conversational AI-assistent die natuurlijke dialogen kan voeren over uiteenlopende onderwerpen, met behulp van het krachtige BERT-model dat vooraf is getraind op een grote tekstcorpus.
Je drukt de configuratie af om te controleren dat je een conversational AI-model hebt geladen met bepaalde parameters zoals model_type: bert, num_attention_heads: 12 en num_hidden_layers: 12.
Deze oefening maakt deel uit van de cursus
Efficiënt AI-modellen trainen met PyTorch
Oefeninstructies
- Initialiseer de modelparameters met de juiste AutoModel-klasse om het
bert-base-uncased-model te laden. - Print de configuratie van het model.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
from transformers import AutoModelForSequenceClassification
# Load a pre-trained bert-base-uncased model
model = ____.____("bert-base-uncased")
# Print the model's configuration
print(model.____)