Distilbert Base Uncased Sst2

🚀 感情分析用DistilBERT-Base-Uncased

このモデルは、元々論文 "DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter" で公開された distilbert-base-uncased をファインチューニングしたものです。このモデルは Stanford Sentiment Treebank v2 (SST2) データセットで学習されており、General Language Understanding Evaluation (GLUE) ベンチマークの一部です。このモデルは AssemblyAI のチームによってファインチューニングされ、対応するブログ記事 とともに公開されています。

🚀 クイックスタート

このモデルを感情分析に使用するには、以下の手順を実行してください。

💻 使用例

基本的な使用法

import torch.nn.functional as F 
from transformers import AutoTokenizer, AutoModelForSequenceClassification
tokenizer = AutoTokenizer.from_pretrained("assemblyai/distilbert-base-uncased-sst2")
model = AutoModelForSequenceClassification.from_pretrained("assemblyai/distilbert-base-uncased-sst2")

tokenized_segments = tokenizer(["AssemblyAI is the best speech-to-text API for modern developers with performance being second to none!"], return_tensors="pt", padding=True, truncation=True)
tokenized_segments_input_ids, tokenized_segments_attention_mask = tokenized_segments.input_ids, tokenized_segments.attention_mask
model_predictions = F.softmax(model(input_ids=tokenized_segments_input_ids, attention_mask=tokenized_segments_attention_mask)['logits'], dim=1)

print("Positive probability: "+str(model_predictions[0][1].item()*100)+"%")
print("Negative probability: "+str(model_predictions[0][0].item()*100)+"%")

このモデルの使用方法に関する質問がある場合は、AssemblyAI のチームにお問い合わせください！