ආකෘති කේන්ද්රය මඟින් සුදුසු ආකෘතිය තෝරාගැනීම සරල කරයි, එවිට ඕනෑම පහල library යක එය භාවිතා කිරීම කේත පේළි කිහිපයකින් සිදු කළ හැක. මෙම ආකෘති වලින් එකක් ඇත්ත වශයෙන්ම භාවිතා කරන්නේ කෙසේද සහ ප්රජාවට නැවත දායක වන්නේ කෙසේද යන්න අපි බලමු.
ආවරණ පිරවීම සිදු කළ හැකි ප්රංශ පාදක ආකෘතියක් අපි සොයන්නෙමු යැයි සිතමු.
අපි එය උත්සාහ කිරීමට camembert-base
මුරපොල තෝරා ගනිමු. අපට එය භාවිතා කිරීම ආරම්භ කිරීමට අවශ්ය වන්නේ camembert-base
හඳුනාගැනීමයි! ඔබ පෙර පරිච්ඡේදවල දැක ඇති පරිදි, අපට එය pipeline()
ශ්රිතය භාවිතයෙන් ක්ෂණිකව කළ හැක:
from transformers import pipeline
camembert_fill_mask = pipeline("fill-mask", model="camembert-base")
results = camembert_fill_mask("Le camembert est <mask> :)")
[
{'sequence': 'Le camembert est délicieux :)', 'score': 0.49091005325317383, 'token': 7200, 'token_str': 'délicieux'},
{'sequence': 'Le camembert est excellent :)', 'score': 0.1055697426199913, 'token': 2183, 'token_str': 'excellent'},
{'sequence': 'Le camembert est succulent :)', 'score': 0.03453313186764717, 'token': 26202, 'token_str': 'succulent'},
{'sequence': 'Le camembert est meilleur :)', 'score': 0.0330314114689827, 'token': 528, 'token_str': 'meilleur'},
{'sequence': 'Le camembert est parfait :)', 'score': 0.03007650189101696, 'token': 1654, 'token_str': 'parfait'}
]
ඔබට පෙනෙන පරිදි, pipeline යක් තුළ ආකෘතියක් පූරණය අතිශයින්ම සරල ය. ඔබ නිරීක්ෂණය කළ යුතු එකම දෙය නම් තෝරාගත් මුරපොල එය භාවිතා කිරීමට යන කාර්යය සඳහා සුදුසු බවයි. උදාහරණයක් ලෙස, මෙහි අපි සම්පූර්ණයෙන් ම යහපත් වූ fill-mask
pipeline යේ camembert-base
මුරපොල පූරණය කරන්නෙමු. නමුත් අපි මෙම මුරපොල text-classification
pipeline යේ පූරණයට ගියහොත්, camembert-base
හි ශීර්ෂය මෙම කාර්යය සඳහා සුදුසු නොවන නිසා ප්රතිඵලවල තේරුමක් නැත! සුදුසු මුරපොලවල් තෝරාගැනීම සඳහා Hugging Face කේන්ද්ර අතුරුමුහුණතෙහි කාර්ය තේරීම්කාරකය භාවිතා කිරීම අපි නිර්දේශ කරමු:
ඔබට සෘජුවම ආදර්ශ නිර්මිතය භාවිතයෙන් මුරපොල ක්ෂණිකව සිදු කළ හැක:
from transformers import CamembertTokenizer, CamembertForMaskedLM
tokenizer = CamembertTokenizer.from_pretrained("camembert-base")
model = CamembertForMaskedLM.from_pretrained("camembert-base")
කෙසේ වෙතත්, අපි ඒ වෙනුවට Auto*
පන්ති භාවිතා කිරීම නිර්දේශ කරමු, මන්ද මේවා සැලසුම් අඥෙයවාදී-නිර්මිත වේ. පෙර කේත නියැදිය පරිශීලකයන් CamemBERT නිර්මිතය තුළ පූරණය කළ හැකි මුරපොල වෙත සීමා කරන අතර, Auto*
පන්ති භාවිතයෙන් මුරපොල මාරු කිරීම සරල කරයි:
from transformers import AutoTokenizer, AutoModelForMaskedLM
tokenizer = AutoTokenizer.from_pretrained("camembert-base")
model = AutoModelForMaskedLM.from_pretrained("camembert-base")