评估 BERT 模型

您已经使用 BERT 的分词器对示例评论完成了分词。现在，请用 PyBooks 的这些样本来评估 BERT 模型。此外，您还将对新数据进行情感预测评估。

以下内容已为您导入：BertTokenizer、BertForSequenceClassification、torch。训练好的 model 实例也已预加载。我们现在将用一个新的数据样本来测试它。

本练习是课程的一部分

使用 PyTorch 的文本深度学习

查看课程

练习说明

通过分词并返回 PyTorch 张量，为模型准备要评估的文本。
将输出的 logits 转换为 0 到 1 之间的概率。
从概率中显示情感类别。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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}")

编辑并运行代码