Mpnet Base Snli Mnli

🚀 クロスアテンションNLIモデル

これは、訓練済みのクロスアテンション自然言語推論（NLI）モデルで、ゼロショットおよびフェックスショットのテキスト分類タスクに使用できます。このモデルは mpnet-base をベースに、ここ のコードを使用して、SNLI および MNLI データセットで訓練されています。

🚀 クイックスタート

このクロスアテンションNLIモデルは、ゼロショットやフェックスショットのテキスト分類タスクに特化して訓練されています。以下のセクションで、モデルのインストール方法や使用例を紹介します。

✨ 主な機能

• ゼロショットおよびフェックスショットのテキスト分類をサポートします。
• mpnet-base モデルをベースに訓練されています。
• 様々な自然言語推論タスクを処理できます。

📦 インストール

ドキュメントで具体的なインストール手順が提供されていませんが、transformers ライブラリの一般的なインストール方法でインストールできます。

pip install transformers torch numpy

💻 使用例

基本的な使用法

from transformers import AutoModelForSequenceClassification, AutoTokenizer
import torch
import numpy as np

model = AutoModelForSequenceClassification.from_pretrained("symanto/mpnet-base-snli-mnli")
tokenizer = AutoTokenizer.from_pretrained("symanto/mpnet-base-snli-mnli")

input_pairs = [("I like this pizza.", "The sentence is positive."), ("I like this pizza.", "The sentence is negative.")]
inputs = tokenizer(["</s></s>".join(input_pair) for input_pair in input_pairs], return_tensors="pt")
logits = model(**inputs).logits
probs =  torch.softmax(logits, dim=1).tolist()
print("probs", probs)
np.testing.assert_almost_equal(probs, [[0.86, 0.14, 0.00], [0.16, 0.15, 0.69]], decimal=2)

高度な使用法

ドキュメントで高度な使用例が提供されていません。モデルの具体的な機能や要件に応じて、さらに多くのアプリケーションシーンを探索することができます。

📚 ドキュメント