- 综合排序
- 最热优先
- 最新优先
- 来自专栏人工智能极简应用
【人工智能】Transformers之Pipeline（十七）：文本分类（text-classification）
共计覆盖32万个模型 今天介绍NLP自然语言处理的第五篇：文本分类（text-classification），在huggingface库内有6.7万个文本分类（text-classification）模型 二、文本分类（text-classification） 2.1 概述 文本分类是为给定文本分配标签或类别的任务。一些用例包括情绪分析、自然语言推理和评估语法正确性。 os.environ["CUDA_VISIBLE_DEVICES"] = "2" from transformers import pipeline classifier = pipeline("text-classification 三、总结 本文对transformers之pipeline的文本分类（text-classification）从概述、技术原理、pipeline参数、pipeline实战、模型排名等方面进行介绍，读者可以基于 pipeline使用文中的2行代码极简的使用NLP中的文本分类（text-classification）模型。
99210编辑于 2024-09-12 - 来自专栏AI+运维：智能化运维的未来
大模型进驻运维战场：运维数据处理的智能革命
使用Transformer模型，我们可以让日志分析变得更加智能：from transformers import pipeline# 加载预训练的大模型log_analyzer = pipeline("text-classification 基于大模型的自然语言理解（NLU），可以智能归类告警，自动去除无关告警：from transformers import pipeline# 加载告警分类模型alert_classifier = pipeline("text-classification
54010编辑于 2025-05-25 - 来自专栏SimpleAI
Huggingface🤗NLP笔记1：直接使用pipeline，是个人就能玩NLP
"text-classification": will return a TextClassificationPipeline. "sentiment-analysis": (alias of "text-classification") will return a TextClassificationPipeline.
5.1K40发布于 2021-10-08 - 来自专栏Y-StarryDreamer
[自然语言处理|NLP]医疗NLP中的应用：从原理到实践
# 示例代码：患者风险预测from transformers import pipeline# 使用Hugging Face的BERT进行患者风险预测risk_nlp = pipeline("text-classification # 示例代码：电子病历自动分类from transformers import pipeline# 使用Hugging Face的BERT进行电子病历分类record_nlp = pipeline("text-classification
2.7K00编辑于 2023-11-17 - 来自专栏JadePeng的技术博客
Transformers Optimum 使用
model_quantized.onnx") tokenizer = AutoTokenizer.from_pretrained(save_directory) cls_pipeline = pipeline("text-classification from optimum.pipelines import pipeline classifier = pipeline(task="text-classification", accelerator=
1.4K41编辑于 2022-12-09 AI新手村：Huggingface
from transformers import pipeline# 使用默认模型# pipe = pipeline("text-classification") # 指定特定的模型，模型可以通过 Models 页面查找（因为默认的模型使用英文数据做训练数据，我换了一个支持多语言的模型）pipe = pipeline("text-classification", model="lxyuan/distilbert-base-multilingual-cased-sentiments-student
50010编辑于 2025-04-11智能体案例分析：IT新闻聚合智能体
TechCrunch' } 自然语言处理层 通过预训练模型进行文本分析： from transformers import pipeline classifier = pipeline("text-classification
31110编辑于 2025-12-17- 来自专栏为了不折腾而去折腾的那些事
使用 Docker 和 HuggingFace 实现 NLP 文本情感分析应用
测试文本，我们就选择“Good Good Study, Day Day Up”吧 :-D from transformers import pipeline classifier = pipeline("text-classification download.pytorch.org/whl/cpu && \ pip cache purge RUN python -c "from transformers import pipeline; pipeline('text-classification import gradio as gr from transformers import pipeline classifier = pipeline("text-classification", model 我们先来改进程序，让两个模型的能力“完全合体”： import gradio as gr from transformers import pipeline classifier = pipeline("text-classification 'penpen/novel-zh-en', max_time=7)" && \ python -c "from transformers import pipeline; pipeline('text-classification
1.9K21编辑于 2023-03-05 - 来自专栏Python与算法之美
30分钟吃掉ipywidgets交互工具
/hf-mirror.com' import ipywidgets as widgets from transformers import pipeline pipe = pipeline("text-classification
57510编辑于 2024-06-26 大模型的安全挑战：如何防止AI生成有害内容？
from transformers import pipelineclassifier = pipeline("text-classification", model="distilbert-base-uncased-finetuned-sst
1.2K10编辑于 2025-04-07- 来自专栏Python与算法之美
使用BERT进行文本分类
>) 也可以用pipeline把tokenizer和model组装在一起 from transformers import pipeline classifier = pipeline(task="text-classification added_tokens.json', 'waimai_10k_bert/tokenizer.json') from transformers import pipeline classifier = pipeline("text-classification
1K30编辑于 2023-09-05 - 来自专栏Python与算法之美
训练日志刷屏使我痛苦，我开发了VLog
from transformers import pipeline model.config.id2label = {0:"差评",1:"好评"} classifier = pipeline(task="text-classification model.save_pretrained("waimai_10k_bert") tokenizer.save_pretrained("waimai_10k_bert") classifier = pipeline("text-classification
49720编辑于 2023-11-13 - 来自专栏人工智能极简应用
【人工智能】Transformers之Pipeline（概述）：30w+大模型极简应用
"text-classification"("sentiment-analysis"可用别名)：将返回一个 TextClassificationPipeline。 distilbert-base-cased", "935ac13"), } }, "type": "multimodal", }, "text-classification
1.5K10编辑于 2024-08-13 - 来自专栏python前行者
[1349]python transformers用法
fromtransformersimportpipelineimporttorch#使用GPUdevice=0iftorch.cuda.is_available()else-1classifier=pipeline("text-classification
19810编辑于 2025-12-25 - 来自专栏AI+运维：智能化运维的未来
大模型技术在运维中的知识管理革命
from transformers import pipeline# 加载预训练模型model = pipeline('text-classification', model='distilbert-base-uncased-finetuned-sst
35510编辑于 2025-01-23 - 来自专栏AI+运维：智能化运维的未来
别只盯着监控图了，大模型才是服务质量的新保镖！
：from transformers import pipeline# 加载本地模型（以 BERT 为例，可换成 LLaMA、ChatGLM 等）log_classifier = pipeline("text-classification
39400编辑于 2025-05-01 - 来自专栏AI+运维：智能化运维的未来
深度学习如何让“运维知识库”从“聪明”到“智慧”
"WARNING 2025-04-14 03:15:23 High memory usage on server-12"]# 加载NLP模型进行分类classifier = pipeline("text-classification
25110编辑于 2025-04-14 - 来自专栏高德开放平台技术
AI旅行规划系统设计与实现
核心代码示例以下是自然语言理解模块的核心代码片段：from transformers import pipeline# 加载BERT模型用于意图识别nlp_model = pipeline("text-classification
5.1K12编辑于 2025-05-15 - 来自专栏AI+运维：智能化运维的未来
大模型进化论：AI如何颠覆系统优化？
模型分析日志数据，预测即将发生的故障：```pythonfrom transformers import pipeline加载预训练的异常检测模型anomaly_detector = pipeline("text-classification
33600编辑于 2025-02-23 自适应Prompt技术：让LLM精准理解用户意图的进阶策略
", "其他"]步骤2：构建上下文特征抽取器代码片段（使用Transformers库）：from transformers import pipelineclassifier = pipeline("text-classification
1.3K10编辑于 2025-05-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号