Avaliando o modelo BERT
Depois de tokenizar as resenhas de exemplo usando o tokenizador do BERT, é hora de avaliar o modelo BERT com as amostras da PyBooks. Além disso, você vai avaliar a previsão de sentimento do modelo em novos dados.
O seguinte já foi importado para você: BertTokenizer, BertForSequenceClassification, torch.
A instância treinada model também está pré-carregada. Agora vamos testá-la em uma nova amostra de dados.
Este exercício faz parte do curso
Deep Learning para Texto com PyTorch
Instruções do exercício
- Prepare o texto de avaliação para o modelo tokenizando-o e retornando tensores do PyTorch.
- Converta os logits de saída em probabilidades entre zero e um.
- Mostre os sentimentos a partir das probabilidades.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
text = "I had an awesome day!"
# Tokenize the text and return PyTorch tensors
input_eval = tokenizer(____, return_tensors=____, truncation=True, padding=True, max_length=32)
outputs_eval = model(**input_eval)
# Convert the output logits to probabilities
predictions = torch.nn.functional.____(outputs_eval.____, dim=-1)
# Display the sentiments
predicted_label = ____ if torch.____(predictions) > 0 else ____
print(f"Text: {text}\nSentiment: {predicted_label}")