Update README.md
Browse files
README.md
CHANGED
|
@@ -14,7 +14,7 @@ tags:
|
|
| 14 |
- Prompt Classification
|
| 15 |
---
|
| 16 |
|
| 17 |
-
# 🔁
|
| 18 |
|
| 19 |
**Кратко:** модель классифицирует входные промпты/вопросы на три действия:
|
| 20 |
- **0 — Поиск в локальной базе знаний (RAG)**: сначала ищем релевантные документы в локальном индексе и формируем контекст для генерации.
|
|
@@ -51,7 +51,7 @@ import json, pickle, torch
|
|
| 51 |
import numpy as np
|
| 52 |
from types import SimpleNamespace
|
| 53 |
|
| 54 |
-
REPO = "
|
| 55 |
|
| 56 |
config_path = hf_hub_download(REPO, "config.json")
|
| 57 |
weights_path = hf_hub_download(REPO, "pytorch_model.bin")
|
|
@@ -65,7 +65,7 @@ le_path = hf_hub_download(REPO, "label_encoder.pkl")
|
|
| 65 |
|
| 66 |
cfg = SimpleNamespace(**json.load(open(config_path, "r", encoding="utf-8")))
|
| 67 |
|
| 68 |
-
# --- Динамическая модель
|
| 69 |
class SimpleClassifier(torch.nn.Module):
|
| 70 |
def __init__(self, input_dim, num_classes, p_dropout=0.3):
|
| 71 |
super().__init__()
|
|
@@ -107,4 +107,4 @@ def predict(text):
|
|
| 107 |
return pred, le.inverse_transform([pred])[0]
|
| 108 |
|
| 109 |
# пример
|
| 110 |
-
print(predict("Как мне найти документацию по
|
|
|
|
| 14 |
- Prompt Classification
|
| 15 |
---
|
| 16 |
|
| 17 |
+
# 🔁 SimpleClassifier — классификатор промптов (русский)
|
| 18 |
|
| 19 |
**Кратко:** модель классифицирует входные промпты/вопросы на три действия:
|
| 20 |
- **0 — Поиск в локальной базе знаний (RAG)**: сначала ищем релевантные документы в локальном индексе и формируем контекст для генерации.
|
|
|
|
| 51 |
import numpy as np
|
| 52 |
from types import SimpleNamespace
|
| 53 |
|
| 54 |
+
REPO = "Neweret/SimplePromptRouter"
|
| 55 |
|
| 56 |
config_path = hf_hub_download(REPO, "config.json")
|
| 57 |
weights_path = hf_hub_download(REPO, "pytorch_model.bin")
|
|
|
|
| 65 |
|
| 66 |
cfg = SimpleNamespace(**json.load(open(config_path, "r", encoding="utf-8")))
|
| 67 |
|
| 68 |
+
# --- Динамическая модель ---
|
| 69 |
class SimpleClassifier(torch.nn.Module):
|
| 70 |
def __init__(self, input_dim, num_classes, p_dropout=0.3):
|
| 71 |
super().__init__()
|
|
|
|
| 107 |
return pred, le.inverse_transform([pred])[0]
|
| 108 |
|
| 109 |
# пример
|
| 110 |
+
print(predict("Как мне найти документацию по нашей компании?"))
|