Promptzl

Pr? Mptzl

Ubah LLMS canggih menjadi nol ⁺ -shot pytorch classifiers hanya dalam beberapa baris kode.

Penawaran Promptzl:

• ? Klasifikasi Nol ⁺ -Shot dengan LLMS
• ? Mengubah LMS kausal dan bertopeng menjadi pengklasifikasi tanpa pelatihan apa pun
• ? Pemrosesan batch di perangkat Anda untuk efisiensi
• Speed-Up Over Calling a Online API
• ? Transparansi dan aksesibilitas dengan menggunakan model secara lokal
• ? Distribusi atas label
• ✂️ Tidak perlu mengekstrak prediksi dari jawabannya.

Untuk informasi lebih lanjut, lihat dokumentasi resmi .

Instalasi

pip install -U promptzl

Memulai

Hanya dalam beberapa baris kode, Anda dapat mengubah LLM pilihan menjadi classifier jadul dengan semua properti yang diinginkan:

Siapkan dataset:

 from datasets import Dataset

dataset = Dataset . from_dict (
    {
        'text' : [
            "The food was absolutely wonderful, from preparation to presentation, very pleasing." ,
            "The service was a bit slow, but the food made up for it. Highly recommend the pasta!" ,
            "The restaurant was too noisy and the food was mediocre at best. Not worth the price." ,
        ],
        'label' : [ 1 , 1 , 0 ]
    }
)

Tentukan prompt untuk memandu model bahasa ke prediksi yang benar:

 from promptzl import FnVbzPair , Vbz
prompt = FnVbzPair (
    lambda e : f"""Restaurant review classification into categories 'positive' or 'negative'.

    'Best pretzls in town!'='positive'
    'Rude staff, horrible food.'='negative'

    ' { e [ 'text' ] } '=""" ,
    Vbz ({ 0 : [ "negative" ], 1 : [ "positive" ]}))

Inisialisasi model:

 from promptzl import CausalLM4Classification
model = CausalLM4Classification (
    'HuggingFaceTB/SmolLM2-1.7B' ,
    prompt = prompt )

Klasifikasi data:

 from sklearn . metrics import accuracy_score
output = model . classify ( dataset , show_progress_bar = True , batch_size = 1 )
accuracy_score ( dataset [ 'label' ], output . predictions )
1.0

Untuk tutorial lebih rinci, lihat dokumentasi!