language-silvanus-cuantificación
rollerhafeezh-amikom
Clasificación de texto
Modelo de clasificación de texto basado en la arquitectura transformers, compatible con herramientas como ONNX y xlm-roberta. Ideal para tareas de clasificación de secuencias.
Como usar
Para usar este modelo en su proyecto, puede utilizar el siguiente ejemplo de código en Python:
from transformers import AutoModelForSequenceClassification, AutoTokenizer
modelo = AutoModelForSequenceClassification.from_pretrained('rollerhafeezh-amikom/language-silvanus-quantization')
tokenizer = AutoTokenizer.from_pretrained('rollerhafeezh-amikom/language-silvanus-quantization')
textos = ['Me gustas. Te amo']
inputs = tokenizer(textos, return_tensors='pt', truncation=True, padding=True)
outputs = modelo(**inputs)
Funcionalidades
- Clasificación de texto
- Compatibilidad con transformers
- Compatibilidad con ONNX
- Compatibilidad con xlm-roberta
- Compatibilidad con AutoTrain
- Compatibilidad con Inference Endpoints
- Región: EE.UU.
Casos de uso
- Clasificación de reseñas de productos
- Análisis de sentimientos en redes sociales
- Detección de spam en correos electrónicos
- Categoría automatizada de documentos