Promptzl

pr? mptzl

최첨단 LLM을 몇 줄의 코드로 단지 0 ⁺ -shot Pytorch 분류기로 전환하십시오.

Promptzl 제공 :

• ? LLMS로 제로 ⁺ 샷 분류
• ? 교육없이 인과 관계 및 가면 LMS를 분류기로 전환
• ? 효율성을 위해 장치의 배치 처리
• 온라인 API 호출에 대한 속도
• ? 모델을 로컬로 사용하여 투명성과 접근성
• ? 레이블에 대한 배포
• ✂️ 답변에서 예측을 추출 할 필요가 없습니다.

자세한 내용은 공식 문서를 확인하십시오.

설치

pip install -U promptzl

시작하기

몇 줄의 코드로, 선택한 LLM을 바람직한 속성을 갖춘 구식 분류기로 변환 할 수 있습니다.

데이터 세트 설정 :

 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 ]
    }
)

언어 모델을 올바른 예측으로 안내하라는 프롬프트를 정의하십시오.

 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" ]}))

모델 초기화 :

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

데이터 분류 :

 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

자세한 자습서는 문서를 확인하십시오!