sentimentizer

Einführung

Beta -Veröffentlichung, API unterliegt sich. Installieren mit:

 pip install sentimentizer

Dieses Repo enthält neuronale Netze, die mit dem Pytorch -Framework für die Stimmungsanalyse geschrieben wurden. Kleine Modelle können für Klassifizierungsaufgaben zu viel geringeren Kosten für die Bereitstellung ziemlich effektiv sein. Dieses Paket konzentriert sich auf die Stimmungsanalyse und alle Modelle wurden in wenigen Minuten auf einer einzigen 2080ti -GPU trainiert. Das Bereitstellen von Inferenzmodellen erfordert weniger als 1 GB Speicher, wodurch das Erstellen mehrerer Container relativ effizient ist.

Verwendung

 # where 0 is very negative and 1 is very positive
from sentimentizer.tokenizer import get_trained_tokenizer
from sentimentizer.models.rnn import get_trained_model

model = get_trained_model(64, 'cpu')
tokenizer = get_trained_tokenizer()
review_text = "greatest pie ever, best in town!"
positive_ids = tokenizer.tokenize_text(review_text)
model.predict(positive_ids)
  
>> tensor(0.9701)

Installation für die Entwicklung mit Miniconda:

 conda create -n {env}  
conda install pip  
pip install -e .  

Modell wiederholen

Um das Modell umzulegen:

• Holen Sie sich den Yelp -Datensatz,
• Holen Sie sich den Datensatz des Handschuhs 6B 100D
• Platzieren Sie beide Dateien im Paketdatenverzeichnis
• Führen Sie das Trainingsskript in Workflows aus