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
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}")