Zacznij terazZacznij za darmo

Korzystanie z dostrojonego modelu

Model został dostrojony. Czas użyć go na nowych danych i wygenerować klasyfikacje. Sprawdź, jak dobrze twój dostrojony model radzi sobie z oznaczaniem nowych interakcji jako niskiego lub wysokiego ryzyka rezygnacji z usługi.

Dostrojony model oraz tokenizer zostały już dla ciebie wczytane.

To ćwiczenie jest częścią kursu

Wprowadzenie do LLM w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Stokenizuj nowe dane.
  • Przekaż stokenizowane dane wejściowe do dostrojonego modelu, wyłączając gradienty.
  • Wyodrębnij nowe predykcje.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

input_text = ["I'd just like to say, I love the product! Thank you!"]

# Tokenize the new data
inputs = ____(____, return_tensors="pt", padding=True, truncation=True)

# Pass the tokenized inputs through the model
with ____:
    outputs = ____

# Extract the new predictions
predicted_labels = ____.____(outputs.logits, dim=1).tolist()

label_map = {0: "Low risk", 1: "High risk"}
for i, predicted_label in enumerate(predicted_labels):
    churn_label = label_map[predicted_label]
    print(f"\n Input Text {i + 1}: {input_text[i]}")
    print(f"Predicted Label: {predicted_label}")
Edytuj i uruchom kod