Update README.md

README.md

@@ -1,3 +1,73 @@
----
-license: apache-2.0
----
+---
+license: apache-2.0
+---
+
+사용예시
+
+```python
+import onnxruntime as ort
+import numpy as np
+from transformers import MobileBertTokenizer
+
+# 모델 및 토크나이저 경로 설정
+model_path = r'C:\NEW_tinybert\AI\tinybert_model.onnx'  # ONNX 모델 경로
+tokenizer_path = r'C:\NEW_distilbert\AI'  # 로컬 토크나이저 경로
+
+# ONNX 모델 세션 초기화
+ort_session = ort.InferenceSession(model_path)
+
+# MobileBERT 토크나이저 로드
+tokenizer = MobileBertTokenizer.from_pretrained(tokenizer_path)
+
+# 텍스트 분류 함수
+def test_model(text):
+    """
+    입력된 텍스트를 ONNX 모델을 사용해 분류하는 함수
+    Args:
+        text (str): 분석할 텍스트
+    Returns:
+        str: 예측 결과 메시지
+    """
+    # 입력 텍스트를 토큰화 및 ONNX 모델 입력 형식으로 변환
+    inputs = tokenizer(
+        text,
+        padding="max_length",  # 입력 길이를 128로 고정
+        truncation=True,       # 긴 텍스트는 잘라냄
+        max_length=128,        # 최대 토큰 길이
+        return_tensors="np"    # NumPy 배열 형식으로 반환
+    )
+    
+    # NumPy 배열을 int64로 변환
+    input_ids = inputs["input_ids"].astype(np.int64)
+    attention_mask = inputs["attention_mask"].astype(np.int64)
+    
+    # ONNX 모델 입력 준비
+    ort_inputs = {
+        "input_ids": input_ids,
+        "attention_mask": attention_mask
+    }
+    
+    # ONNX 모델 추론 실행
+    outputs = ort_session.run(None, ort_inputs)
+    logits = outputs[0]  # 모델 출력 (로짓 값)
+
+    # 로짓 값을 확률로 변환 및 클래스 예측
+    predicted_class = np.argmax(logits, axis=1).item()
+
+    # 결과 반환
+    return "로맨스 스캠일 가능성 있음" if predicted_class == 1 else "로맨스 스캠이 아님"
+
+# 테스트할 대화 내용
+test_texts = [
+    "너 엄마 없냐?",
+    "저는 금융 상품을 소개하는 사람입니다. 투자하면 이익이 큽니다.",
+    "내 보지가 달아올랐어",
+    "내 가슴 만질래??"
+]
+
+# 각 테스트 텍스트에 대해 결과 출력
+for text in test_texts:
+    result = test_model(text)
+    print(f"입력: {text} => 결과: {result}")
+
+```