Promptzl

pr？mptzl

わずか数行のコードで、最先端のLLMをZero ⁺ -Shot Pytorch分類子に変えます。

PROMPTZLオファー：

• ？ LLMSによるゼロ⁺ショット分類
• ？因果関係とマスクされたLMSをトレーニングなしで分類子に変える
• ？効率のためにデバイスのバッチ処理
• オンラインAPIを呼び出す上でスピードアップ
• ？モデルをローカルで使用することによる透明性とアクセシビリティ
• ？ラベル上の分布
• ✂️答えから予測を抽出する必要はありません。

詳細については、公式ドキュメントをご覧ください。

インストール

pip install -U promptzl

はじめる

わずか数行のコードで、選択したLLMをすべての望ましいプロパティを備えた古い学校の分類器に変換できます。

データセットを設定します：

 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 ]
    }
)

言語モデルを正しい予測に導くためのプロンプトを定義します。

 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" ]}))

モデルの初期化：

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

データの分類：

 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

より詳細なチュートリアルについては、ドキュメントをご覧ください！