НачатьНачать бесплатно

Оценка модели BERT

После токенизации образцов отзывов с помощью токенизатора BERT пришло время оценить модель BERT на примерах из PyBooks. Кроме того, вы проверите, как модель предсказывает тональность на новых данных.

Для вас уже импортированы: BertTokenizer, BertForSequenceClassification, torch. Обученный экземпляр model также предварительно загружен. Теперь протестируем его на новом образце данных.

Это упражнение является частью курса

Глубокое обучение для работы с текстом на PyTorch

Посмотреть курс

Инструкции к упражнению

  • Подготовьте текст для оценки моделью: выполните его токенизацию и верните тензоры PyTorch.
  • Преобразуйте выходные логиты в вероятности в диапазоне от нуля до единицы.
  • Выведите на экран результаты анализа тональности на основе полученных вероятностей.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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}")
Редактировать и запускать код