climatebert/netzero-reduction

from transformers import AutoModelForSequenceClassification, AutoTokenizer, pipeline
from transformers.pipelines.pt_utils import KeyDataset
import datasets
from tqdm.auto import tqdm
 
dataset_name = "climatebert/climate_detection"
tokenizer_name = "climatebert/distilroberta-base-climate-f"
model_name = "climatebert/netzero-reduction"

# Si quieres usar tus propios datos, simplemente cárgalos como dataset de 🤗 Datasets, ver https://huggingface.co/docs/datasets/loading
dataset = datasets.load_dataset(dataset_name, split="test")
 
model = AutoModelForSequenceClassification.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(tokenizer_name, max_len=512)
 
pipe = pipeline("text-classification", model=model, tokenizer=tokenizer, device=0)

# Ver https://huggingface.co/docs/transformers/main_classes/pipelines#transformers.pipeline
for i, out in enumerate(tqdm(pipe(KeyDataset(dataset, "text"), padding=True, truncation=True))):
    print(dataset["text"][i])
    print(out)

### OBSERVACIÓN IMPORTANTE: Se recomienda encarecidamente utilizar un paso de clasificación previo antes de aplicar ClimateBERT-NetZero.
### Establecer un contexto climático con "climatebert/distilroberta-base-climate-detector" para párrafos
### o "ESGBERT/EnvironmentalBERT-environmental" para oraciones y luego etiquetar los datos con ClimateBERT-NetZero.