Update README.md

README.md

@@ -52,12 +52,6 @@ You can then use this pipeline to classify sequences into any of the class names
 sequence_to_classify = "Angela Merkel ist eine Politikerin in Deutschland und Vorsitzende der CDU"
 candidate_labels = ["politics", "economy", "entertainment", "environment"]
 classifier(sequence_to_classify, candidate_labels)
-#{'sequence': 'Angela Merkel ist eine Politikerin in Deutschland und Vorsitzende der CDU',
-# 'labels': ['politics', 'economy', 'environment', 'entertainment'],
-# 'scores': [0.4656517505645752,
-#  0.20842939615249634,
-#  0.1871575266122818,
-#  0.13876137137413025]}
 ```
 
 If more than one candidate label can be correct, pass `multi_class=True` to calculate each class independently:
@@ -65,12 +59,6 @@ If more than one candidate label can be correct, pass `multi_class=True` to calc
 ```python
 candidate_labels = ["politics", "economy", "entertainment", "environment"]
 classifier(sequence_to_classify, candidate_labels, multi_label=True)
-#{'sequence': 'Angela Merkel ist eine Politikerin in Deutschland und Vorsitzende der CDU',
-# 'labels': ['politics', 'economy', 'environment', 'entertainment'],
-# 'scores': [0.7586008906364441,
-#  0.3599490225315094,
-#  0.3004348874092102,
-#  0.1562490165233612]}
 ```
 
 ### Eval results