Использование дообученной модели
Модель дообучена. Теперь можно применить её к новым данным и получить классификации. Посмотрим, насколько хорошо ваша дообученная модель справляется с разметкой новых взаимодействий как случаев с низким или высоким риском оттока.
Дообученная model и tokenizer уже загружены для вас.
Это упражнение является частью курса
Введение в LLM на Python
Инструкции к упражнению
- Токенизируйте новые данные.
- Передайте токенизированные входные данные в дообученную модель, отключив вычисление градиентов.
- Извлеките новые предсказания.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
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}")