İnce ayarlı modeli kullanma
Model ince ayarla eğitildi. Şimdi yeni veriler üzerinde kullanmaya ve sınıflandırmalar üretmeye hazırsın. İnce ayarlı modelinin yeni etkileşimleri churn riski açısından düşük veya yüksek olarak etiketlemede ne kadar iyi olduğuna bakalım.
İnce ayarlı model ve tokenizer senin için yüklendi.
Bu egzersiz
Python ile LLM'lere Giriş
kursunun bir parçasıdırEgzersiz talimatları
- Yeni veriyi tokenize et.
- Tokenize edilmiş girdileri, gradyanları devre dışı bırakarak ince ayarlı modele geçir.
- Yeni tahminleri çıkar.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
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}")