动态类别分配
动态类别分配使模型即使未针对某些类别进行过训练，也能将文本归入预定义类别。
使用 Hugging Face 的 pipeline() 并选择 zero-shot-classification 任务，提供文本和预定义类别来找出最佳匹配。
构建一个分类器来预测输入 text 的标签。该输入是一条已为您加载的新闻标题。
已为您预加载 transformers 库中的 pipelines 以便使用。
注意： 我们使用了自定义版本的 pipeline，帮助您在无需下载模型的情况下学习如何使用这些函数。
本练习是课程的一部分
使用 Hugging Face
练习说明
- 构建 pipeline 并保存为
classifier。 - 创建标签列表：
"politics"、"science"、"sports"，并保存为categories。 - 使用分类器和预定义类别预测
text的标签。
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 = "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]}")