利用微调的deberta-v3-large来预测情感分类

这篇具有很好参考价值的文章主要介绍了利用微调的deberta-v3-large来预测情感分类。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

前言:

昨天我们讲述了怎么利用emotion数据集进行deberta-v3-large大模型的微调,那今天我们就来输入一些数据来测试一下,看看模型的准确率,为了方便起见,我直接用测试集的前十条数据

代码:

from transformers import AutoModelForSequenceClassification,AutoTokenizer
import torch
import numpy

tokenizer = AutoTokenizer.from_pretrained("deberta-v3-large")
model = AutoModelForSequenceClassification.from_pretrained("result/checkpoint-500",num_labels=6)

raw_inputs = [
    "im feeling rather rotten so im not very ambitious right now",
    "im updating my blog because i feel shitty",
    "i never make her separate from me because i don t ever want her to feel like i m ashamed with her",
    "i left with my bouquet of red and yellow tulips under my arm feeling slightly more optimistic than when i arrived",
    "i was feeling a little vain when i did this one",
    "i cant walk into a shop anywhere where i do not feel uncomfortable",
    "i felt anger when at the end of a telephone call",
    "i explain why i clung to a relationship with a boy who was in many ways immature and uncommitted despite the excitement i should have been feeling for g
etting accepted into the masters program at the university of virginia",
    "i like to have the same breathless feeling as a reader eager to see what will happen next",
    "i jest i feel grumpy tired and pre menstrual which i probably am but then again its only been a week and im about as fit as a walrus on vacation for the
 summer"
]
inputs = tokenizer(raw_inputs, padding=True, truncation=True, return_tensors="pt")
outputs = model(**inputs)
print(outputs.logits.argmax(-1).numpy())

output_tensor = torch.softmax(outputs.logits, dim=1)

numpy.set_printoptions(suppress=True, precision=15)
print(output_tensor.detach().numpy())

标注结果:

[0 0 0 1 0 4 3 1 1 3]

测试结果:

[0 0 0 1 0 4 4 2 1 3]
[[0.99185866    0.0011510316  0.00038844926 0.0026896652  0.0029623401
  0.00094986777]
 [0.9918577     0.0011512033  0.00038886679 0.0026923663  0.0029585315
  0.000951257  ]
 [0.99185807    0.0011446937  0.00038163515 0.0026456509  0.0030354485
  0.00093440723]
 [0.00041773843 0.9972398     0.0014854104  0.0002909223  0.00036231524
  0.00020376328]
 [0.99185014    0.0011451623  0.00038086114 0.0026396883  0.0030524035
  0.00093187904]
 [0.015044774   0.0025362356  0.00041989447 0.015223678   0.95009714
  0.016678285  ]
 [0.11319714    0.030935207   0.007336047   0.3035547     0.47545433
  0.069522515  ]
 [0.0011094044  0.18334262    0.8081213     0.0011003793  0.0007297965
  0.005596481  ]
 [0.0004444314  0.9972433     0.0014491597  0.00028465112 0.00037411976
  0.00020446534]
 [0.00241266    0.00079152075 0.00092184055 0.9924028     0.0024109248
  0.0010602956 ]]

结果对比:

除了第七、第八条数据错误外,其他的八条数据都是正确的

代码解释:

1、raw_inputs:用户输入的数据,这个地方你可以使用一个while循环,然后使用input来与用户进行交互,需要注意的是这个必须是一个数组,哪怕用户只输入了一句文本。

2、return_tensors="pt":表示tokenizer返回的是PyTorch格式的数据

3、argmax(-1):将logits属性中的浮点数张量沿着最后一个轴(即-1轴)进行argmax操作,从而找到该张量中最大值所对应的标签编号。

4、softmax(outputs.logits, dim=1):dim指沿着哪个维度计算softmax,通常指定为1,表示对每一行进行softmax操作。如果不指定,则默认在最后一维计算softmax。

5、numpy.set_printoptions(suppress=True, precision=15):使用 numpy.set_printoptions() 函数来设置打印选项,从而调整打印输出格式。其中,suppress 选项可以关闭科学计数法,precision 选项可以设置打印精度。文章来源地址https://www.toymoban.com/news/detail-697466.html

到了这里,关于利用微调的deberta-v3-large来预测情感分类的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包