Update README.md

README.md

@@ -53,12 +53,6 @@ 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': [0.7563838958740234,
-# 0.11108888685703278,
-# 0.0740189179778099,
-# 0.058508262038230896]}
 ```
 
 If more than one candidate label can be correct, pass `multi_class=True` to calculate each class independently:
@@ -66,12 +60,6 @@ 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': [0.8690913319587708,
-# 0.23632104694843292,
-# 0.07637806236743927,
-# 0.030293256044387817]}
 ```
 
 ### Eval results