Text Classification
Transformers
Safetensors
Spanish
bert
machine-learning
educational-example
text-embeddings-inference
Instructions to use WalterWi/transformers_clas_texto with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use WalterWi/transformers_clas_texto with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-classification", model="WalterWi/transformers_clas_texto")# pip install -U transformers accelerate # Load model directly from transformers import AutoTokenizer, AutoModelForSequenceClassification tokenizer = AutoTokenizer.from_pretrained("WalterWi/transformers_clas_texto") model = AutoModelForSequenceClassification.from_pretrained("WalterWi/transformers_clas_texto", device_map="auto") - Notebooks
- Google Colab
- Kaggle
File size: 839 Bytes
f343795 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 | """Descarga el modelo y el tokenizer desde Hugging Face Hub y clasifica EN ESTA PC
(o en el servidor donde corra).
Con Transformers alcanza con el nombre del repo: pipeline() baja config.json,
model.safetensors y el tokenizer.
Uso:
python predict_hub.py tu-usuario/clasificador-comentarios-transformers
"""
import sys
from transformers import pipeline
REPO_ID = sys.argv[1] if len(sys.argv) > 1 else "TU-USUARIO/clasificador-comentarios-transformers"
clasificador = pipeline("text-classification", model=REPO_ID)
comentarios = [
"el departamento es muy luminoso",
"me pareció un lugar ruidoso",
"es amplio pero sobre todo tranquilo",
]
for comentario, resultado in zip(comentarios, clasificador(comentarios)):
print(f"{comentario!r} -> {resultado['label']} ({resultado['score']:.2f})")
|