AutoModelForSequenceClassification atașează un cap de clasificare liniară (Linear Classifier Head) peste reprezentările dense ale unui model de limbaj (cum ar fi BERT sau RoBERTa), permițând categorisirea textelor în clase predefinite (pozitiv/neutru/negativ, spam, categorii de știri).
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
tokenizer = AutoTokenizer.from_pretrained("cardiffnlp/twitter-roberta-base-sentiment-latest")
model = AutoModelForSequenceClassification.from_pretrained("cardiffnlp/twitter-roberta-base-sentiment-latest")
inputs = tokenizer("Această platformă este absolut incredibilă!", return_tensors="pt")
with torch.no_grad():
logits = model(**inputs).logits
predicted_class = logits.argmax().item()
print("Clasa sentiment:", model.config.id2label[predicted_class])Rapiditate extremă: Modelele de clasificare bazate pe BERT procesează mii de recenzii pe secundă pe un singur GPU.
Întrebări & Exemple practice:
AutoModelForSequenceClassification: Clasificare Text și Analiză de SentimenteAi o întrebare despre AutoModelForSequenceClassification: Clasificare Text și Analiză de Sentimente sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.