37 lines
1.7 KiB
Python
37 lines
1.7 KiB
Python
import paddle
|
|
import numpy as np
|
|
from paddlenlp.transformers import ErnieTokenizer, ErnieForSequenceClassification
|
|
import paddle.nn.functional as F
|
|
|
|
# 类别名称列表
|
|
labels = [
|
|
"天气查询", "通用对话", "页面切换", "日计划数量查询", "周计划数量查询",
|
|
"日计划作业内容", "周计划作业内容", "施工人数", "作业考勤人数", "知识问答"
|
|
]
|
|
|
|
# 加载模型和tokenizer
|
|
model = ErnieForSequenceClassification.from_pretrained(R"E:\workingSpace\PycharmProjects\Intention_dev\ernie\output\checkpoint-4160") # 使用文本分类模型
|
|
tokenizer = ErnieTokenizer.from_pretrained(R"E:\workingSpace\PycharmProjects\Intention_dev\ernie\output\checkpoint-4160")
|
|
|
|
# 创建输入示例
|
|
text = "宇宙中发现的第一个脉冲星是由谁发现的？"
|
|
inputs = tokenizer(text, max_length=256, truncation=True, padding='max_length', return_tensors="pd")
|
|
|
|
# 将输入数据转化为 Paddle tensor 格式
|
|
input_ids = paddle.to_tensor(inputs["input_ids"])
|
|
|
|
# 进行推理
|
|
model.eval() # 确保模型在推理模式
|
|
logits = model(input_ids) # 模型推理得到logits
|
|
|
|
# 使用 Softmax 转换 logits 为概率
|
|
probabilities = F.softmax(logits, axis=-1) # 归一化 logits 得到概率分布
|
|
|
|
# 获取最大概率的标签（整个句子的意图）
|
|
max_prob_idx = np.argmax(probabilities.numpy(), axis=-1) # 获取最大概率的标签
|
|
max_prob_value = np.max(probabilities.numpy(), axis=-1) # 获取最大概率值
|
|
|
|
# 根据预测的标签索引映射到类别名称
|
|
predicted_label = labels[max_prob_idx[0]] # 根据索引获取对应的标签
|
|
predicted_probability = max_prob_value[0] # 获取最大概率值
|
|
print(predicted_label, predicted_probability) |