Dynamiczne przypisywanie kategorii
Dynamiczne przypisywanie kategorii umożliwia modelowi klasyfikowanie tekstu do z góry określonych kategorii – nawet bez wcześniejszego trenowania na tych kategoriach.
Korzystając z funkcji pipeline() biblioteki Hugging Face dla zadania zero-shot-classification, podaj tekst i predefiniowane kategorie, aby wskazać najlepiej pasującą.
Zbuduj klasyfikator, który przewidzi etykietę dla wejściowego text – nagłówka wiadomości, który jest już wczytany.
Obiekt pipelines z biblioteki transformers jest wstępnie załadowany.
Uwaga: Używamy dostosowanej wersji pipeline'u, która pozwala ci ćwiczyć korzystanie z tych funkcji bez konieczności pobierania modelu.
To ćwiczenie jest częścią kursu
Praca z Hugging Face
Instrukcje do ćwiczenia
- Zbuduj pipeline i zapisz go jako
classifier. - Utwórz listę etykiet –
"politics","science","sports"– i zapisz ją jakocategories. - Przewidź etykietę dla
text, używając klasyfikatora i predefiniowanych kategorii.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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]}")