เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การกำหนดหมวดหมู่แบบไดนามิก

การกำหนดหมวดหมู่แบบไดนามิกช่วยให้โมเดลสามารถจำแนกข้อความเข้าสู่หมวดหมู่ที่กำหนดไว้ล่วงหน้าได้ แม้จะไม่เคยฝึกสอนสำหรับหมวดหมู่เหล่านั้นมาก่อน

ใช้ pipeline() ของ Hugging Face สำหรับงาน zero-shot-classification โดยส่งข้อความและหมวดหมู่ที่กำหนดไว้เพื่อระบุว่าตรงกับหมวดใดมากที่สุด

สร้าง classifier เพื่อพยากรณ์ป้ายกำกับของ text ซึ่งเป็นหัวข้อข่าวที่โหลดไว้ให้แล้ว

pipelines จากไลบรารี transformers ถูกโหลดไว้ให้เรียบร้อยแล้ว

หมายเหตุ: แบบฝึกหัดนี้ใช้ pipeline เวอร์ชันที่ปรับแต่งเป็นพิเศษ เพื่อให้เรียนรู้การใช้งานฟังก์ชันเหล่านี้ได้โดยไม่ต้องดาวน์โหลดโมเดล

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การใช้งาน Hugging Face

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง pipeline และบันทึกไว้ในตัวแปร classifier
  • สร้างรายการป้ายกำกับ ได้แก่ "politics", "science", "sports" และบันทึกไว้ในตัวแปร categories
  • พยากรณ์ป้ายกำกับของ text โดยใช้ classifier และหมวดหมู่ที่กำหนดไว้

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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]}")
แก้ไขและรันโค้ด