Mpnet Base Snli Mnli

🚀 跨注意力NLI模型

這是一個經過訓練的跨注意力自然語言推理（NLI）模型，可用於零樣本和少樣本的文本分類任務。該模型以 mpnet-base 為基礎，使用 此處 的代碼，在 SNLI 和 MNLI 數據集上進行訓練。

✨ 主要特性

• 支持零樣本和少樣本的文本分類。
• 基於 mpnet-base 模型進行訓練。
• 可處理多種自然語言推理任務。

📦 安裝指南

文檔未提供具體安裝步驟，可根據 transformers 庫的常規安裝方法進行安裝：

pip install transformers torch numpy

💻 使用示例

基礎用法

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)

高級用法

文檔未提供高級用法示例，可根據模型的具體功能和需求，進一步探索更多的應用場景。

📚 詳細文檔