did_the_doctor_detail_the_symptoms_bert_First512

etadevosyan

Clasificación de texto

Modelo de clasificación de texto utilizando transformadores BERT desarrollado por etadevosyan. Este modelo es adecuado para tareas de clasificación de texto, específicamente enfocado en determinar si un médico detalló los síntomas.

Como usar

Este modelo todavía no tiene suficiente actividad para ser implementado en la API de inferencia (sin servidor). Para usarlo en puntos finales de inferencia dedicados, se necesita desplegarlo específicamente.
import transformers
from transformers import AutoTokenizer, AutoModelForSequenceClassification

# Cargar el tokenizador y el modelo
model_name = 'etadevosyan/did_the_doctor_detail_the_symptoms_bert_First512'
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# Tokenizar el texto de entrada
inputs = tokenizer('El texto a clasificar', return_tensors='pt')

# Realizar la inferencia
outputs = model(**inputs)

Funcionalidades

Clasificación de texto
Uso de transformadores BERT
Compatible con Safetensors
Tipo de tensor F32

Casos de uso

Clasificación de detalles de síntomas médicos en texto
Aplicaciones de procesamiento de lenguaje natural en el ámbito médico