Динамічне призначення категорій
Динамічне призначення категорій дає змогу моделі класифікувати текст за наперед визначеними категоріями, навіть без попереднього навчання на цих категоріях.
Використовуючи pipeline() від Hugging Face для завдання zero-shot-classification, передайте текст і наперед визначені категорії, щоб знайти найкращу відповідність.
Створіть класифікатор, який передбачить мітку для вхідного text — це заголовок новини, уже завантажений для вас.
pipelines із бібліотеки transformers попередньо імпортовано для вашої зручності.
Примітка: Ми використовуємо спеціально налаштовану версію pipeline, щоб ви могли навчитися користуватися цими функціями без потреби завантажувати модель.
Ця вправа є частиною курсу
Робота з Hugging Face
Інструкції до вправи
- Побудуйте pipeline і збережіть його як
classifier. - Створіть список міток —
"politics","science","sports"— і збережіть його якcategories. - Передбачте мітку для
text, використавши класифікатор і наперед визначені категорії.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
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]}")