README.md

metadata

license: mit
language:
  - ru
widget:
  - text: привет
    example_title: example_1
  - text: тебя как звать
    example_title: example_2
  - text: как приготовить рагу
    example_title: example_3
  - text: в чем смысл жизни
    example_title: example_4
  - text: у меня кот сбежал
    example_title: example_5
  - text: что такое спидометр
    example_title: example_6
  - text: меня артур зовут
    example_title: example_7

TeraSpace/replica_classification

Сделано на основе xlm-roberta-base

1. about_user - реагирует, когда пользователь говорит о себе. Например, "меня зовут андрей"
2. quest - реагирует на вопрос не относящийся к диалогу, например: "когда родился пушкин" или "когда я стану миллионером"
3. instruct - реагирует на вопросы, ответ на которые представляет собой инструкцию. Например, "как установить windows, как приготовить борщ"
4. about_model - реагирует на вопросы о личности ассистента. Например, "как тебя зовут, ты кто такая"
5. trouble - реагирует на реплики, где пользователь рассказывает о своих проблемах. Например, "у меня болит зуб, мне проткнули колесо"
6. dialog - реагирует на диалоговые реплики. Например, "привет"

Использование

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

del_symbs = ["?","!",".",","]
classes = ["dialog","trouble","quest","about_user","about_model","instruction"]

device = torch.device("cuda")
model_name = 'TeraSpace/replica_classification'
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name, num_labels = len(classes)).to(device)

while True:
    text = input("=>").lower()
    for del_symb in del_symbs:
        text = text.replace(del_symb,"")
        
    inputs = tokenizer(text, truncation=True, max_length=512, padding='max_length',
                            return_tensors='pt').to(device)
    with torch.no_grad():
        logits = model(**inputs).logits
        probas = list(torch.sigmoid(logits)[0].cpu().detach().numpy())
        
    out = classes[probas.index(max(probas))]
    print(out)