Instructions to use jacob-ml/LS-Bert-67m with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use jacob-ml/LS-Bert-67m with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-classification", model="jacob-ml/LS-Bert-67m", device_map="auto")# Load model directly from transformers import AutoTokenizer, AutoModelForSequenceClassification tokenizer = AutoTokenizer.from_pretrained("jacob-ml/LS-Bert-67m") model = AutoModelForSequenceClassification.from_pretrained("jacob-ml/LS-Bert-67m", device_map="auto") - Notebooks
- Google Colab
- Kaggle
add banner to README
Browse files
README.md
CHANGED
|
@@ -14,7 +14,7 @@ model-index:
|
|
| 14 |
---
|
| 15 |
|
| 16 |
<p align="center">
|
| 17 |
-
<img src="./images/banner.webp" alt="LS-Bert banner" width="720" />
|
| 18 |
</p>
|
| 19 |
|
| 20 |
Dieses Repository beinhaltet einen **State-of-the-Art-Classifier** zur Unterscheidung von Texten in Leichter Sprache und komplexem Deutsch. Dem Classifier gelingt hierbei sogar eine sichere Unterscheidung zwischen Texten in Leichter und Einfacher Sprache. Ausgegebene Labels sind `yes` und `no`, wobei ein `yes` signalisiert, dass der vorliegende Text hohe Übereinstimmungen mit tatsächlichen, geprüften Texten in Leichter Sprache hat.
|
|
|
|
| 14 |
---
|
| 15 |
|
| 16 |
<p align="center">
|
| 17 |
+
<img src="./images/banner-lsbert-67m.webp" alt="LS-Bert banner" width="720" />
|
| 18 |
</p>
|
| 19 |
|
| 20 |
Dieses Repository beinhaltet einen **State-of-the-Art-Classifier** zur Unterscheidung von Texten in Leichter Sprache und komplexem Deutsch. Dem Classifier gelingt hierbei sogar eine sichere Unterscheidung zwischen Texten in Leichter und Einfacher Sprache. Ausgegebene Labels sind `yes` und `no`, wobei ein `yes` signalisiert, dass der vorliegende Text hohe Übereinstimmungen mit tatsächlichen, geprüften Texten in Leichter Sprache hat.
|