ПочатиПочніть безкоштовно

Оцінювання моделі BERT

Після токенізації прикладних відгуків за допомогою токенайзера BERT, настав час оцінити модель BERT на зразках із PyBooks. Крім того, ви оціните передбачення тональності моделі на нових даних.

Для вас імпортовано: BertTokenizer, BertForSequenceClassification, torch. Попередньо завантажено також навчений екземпляр model. Тепер ми перевіримо його на новому зразку даних.

Ця вправа є частиною курсу

Глибоке навчання для тексту з PyTorch

Переглянути курс

Інструкції до вправи

  • Підготуйте текст для оцінювання моделі: виконайте токенізацію та поверніть тензори PyTorch.
  • Перетворіть вихідні logits на ймовірності в діапазоні від нуля до одиниці.
  • Відобразіть тональність на основі цих ймовірностей.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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}")
Редагувати та запускати код