Dynamische categorie-toewijzing
Dynamische categorie-toewijzing maakt het mogelijk om tekst in vooraf gedefinieerde categorieën te classificeren, zelfs zonder dat het model eerder op die categorieën is getraind.
Gebruik Hugging Face’s pipeline() voor de taak zero-shot-classification, geef de tekst en de vooraf gedefinieerde categorieën door om de beste match te bepalen.
Bouw een classifier die het label voorspelt voor de invoer text, een krantenkop die al voor je is ingeladen.
De pipelines uit de transformers-bibliotheek zijn alvast geladen voor je gemak.
Opmerking: We gebruiken een aangepaste versie van de pipeline zodat je kunt leren hoe je deze functies gebruikt zonder het model te hoeven downloaden.
Deze oefening maakt deel uit van de cursus
Werken met Hugging Face
Oefeninstructies
- Bouw de pipeline en sla deze op als
classifier. - Maak een lijst met de labels —
"politics","science","sports"— en sla deze op alscategories. - Voorspel het label van
textmet de classifier en de vooraf gedefinieerde categorieën.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
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]}")