Usando o modelo de ajuste fino
O modelo foi ajustado com precisão. Agora você está pronto para usar alguns dados novos e gerar algumas classificações. Vamos ver como o seu modelo ajustado se sai na marcação de novas interações como de baixo ou alto risco de rotatividade.
Seu model afinado e o tokenizer foram carregados para você.
Este exercício faz parte do curso
Introdução aos LLMs em Python
Instruções do exercício
- Tokenize os novos dados.
- Passe as entradas tokenizadas para o modelo de ajuste fino, desativando os gradientes.
- Extraia as novas previsões.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
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}")