Update README.md
Browse files
README.md
CHANGED
@@ -1,36 +1,36 @@
|
|
1 |
-
---
|
2 |
-
language: en
|
3 |
-
tags:
|
4 |
-
- text-classification
|
5 |
-
- product-detection
|
6 |
-
datasets:
|
7 |
-
- your-dataset-name
|
8 |
-
license: apache-2.0
|
9 |
-
model_name: Quintu/deberta-
|
10 |
-
library_name: transformers
|
11 |
-
pipeline_tag: text-classification
|
12 |
-
---
|
13 |
-
# Quintu/deberta-
|
14 |
-
|
15 |
-
Mô hình `Quintu/deberta-
|
16 |
-
|
17 |
-
## Cách sử dụng
|
18 |
-
|
19 |
-
Dưới đây là cách sử dụng mô hình này với thư viện `transformers`:
|
20 |
-
|
21 |
-
```python
|
22 |
-
from transformers import AutoTokenizer, AutoModelForSequenceClassification
|
23 |
-
|
24 |
-
# Tải mô hình và tokenizer
|
25 |
-
model_name = "Quintu/deberta-
|
26 |
-
tokenizer = AutoTokenizer.from_pretrained(model_name)
|
27 |
-
model = AutoModelForSequenceClassification.from_pretrained(model_name)
|
28 |
-
|
29 |
-
# Sử dụng mô hình để phân loại văn bản
|
30 |
-
text = "This is an example text to classify."
|
31 |
-
inputs = tokenizer(text, return_tensors="pt")
|
32 |
-
outputs = model(**inputs)
|
33 |
-
|
34 |
-
# Dự đoán
|
35 |
-
logits = outputs.logits
|
36 |
-
print(logits)
|
|
|
1 |
+
---
|
2 |
+
language: en
|
3 |
+
tags:
|
4 |
+
- text-classification
|
5 |
+
- product-detection
|
6 |
+
datasets:
|
7 |
+
- your-dataset-name
|
8 |
+
license: apache-2.0
|
9 |
+
model_name: Quintu/deberta-768-product-v1
|
10 |
+
library_name: transformers
|
11 |
+
pipeline_tag: text-classification
|
12 |
+
---
|
13 |
+
# Quintu/deberta-768-product-v1
|
14 |
+
|
15 |
+
Mô hình `Quintu/deberta-768-product-v1` được thiết kế để thực hiện phân loại văn bản liên quan đến phát hiện loại sản phẩm.
|
16 |
+
|
17 |
+
## Cách sử dụng
|
18 |
+
|
19 |
+
Dưới đây là cách sử dụng mô hình này với thư viện `transformers`:
|
20 |
+
|
21 |
+
```python
|
22 |
+
from transformers import AutoTokenizer, AutoModelForSequenceClassification
|
23 |
+
|
24 |
+
# Tải mô hình và tokenizer
|
25 |
+
model_name = "Quintu/deberta-768-product-v1"
|
26 |
+
tokenizer = AutoTokenizer.from_pretrained(model_name)
|
27 |
+
model = AutoModelForSequenceClassification.from_pretrained(model_name)
|
28 |
+
|
29 |
+
# Sử dụng mô hình để phân loại văn bản
|
30 |
+
text = "This is an example text to classify."
|
31 |
+
inputs = tokenizer(text, return_tensors="pt")
|
32 |
+
outputs = model(**inputs)
|
33 |
+
|
34 |
+
# Dự đoán
|
35 |
+
logits = outputs.logits
|
36 |
+
print(logits)
|