neuraly/bert-base-italian-cased-sentiment

import torch
from torch import nn
from transformers import AutoTokenizer, AutoModelForSequenceClassification

# Cargar el tokenizer
tokenizer = AutoTokenizer.from_pretrained("neuraly/bert-base-italian-cased-sentiment")
# Cargar el modelo, usa .cuda() para cargarlo en la GPU
model = AutoModelForSequenceClassification.from_pretrained("neuraly/bert-base-italian-cased-sentiment")

sentence = '¡Huggingface es un equipo fantástico!'
input_ids = tokenizer.encode(sentence, add_special_tokens=True)

# Crear tensor, usa .cuda() para transferir el tensor a la GPU
tensor = torch.tensor(input_ids).long()
# Dimensión de lote falso
tensor = tensor.unsqueeze(0)

# Llamar al modelo y obtener los logits
logits, = model(tensor)

# Eliminar la dimensión de lote falso
logits = logits.squeeze(0)

# El modelo fue entrenado con una combinación de Log Likelyhood + Softmax, por lo tanto, para extraer probabilidades, necesitamos un softmax en la parte superior del tensor logits
proba = nn.functional.softmax(logits, dim=0)

# Desempaquetar el tensor para obtener las probabilidades negativas, neutrales y positivas
negative, neutral, positive = proba