如何向DaNLP的da-bert-tone-subjective-objective模型输入文本做分类？

你可以按照以下步骤完成文本输入与分类推理：

• 步骤1：预处理输入文本
  使用加载好的tokenizer将丹麦语文本转换为模型可接受的张量格式，需指定return_tensors参数（PyTorch用'pt'，TensorFlow用'tf'），同时开启padding和truncation以适配模型的最大输入长度。

• 步骤2：模型推理
  将预处理后的张量传入模型，得到原始的logits输出，再通过softmax转换为概率值，或者直接取logits最大值对应的类别索引。

• 步骤3：解析分类结果
  模型的config属性包含了类别与索引的映射关系（id2label），可以直接用它将预测索引转换为对应的分类标签（主观/客观）。

完整代码示例：

from transformers import BertTokenizer, BertForSequenceClassification
import torch

# 加载模型与分词器
model = BertForSequenceClassification.from_pretrained("DaNLP/da-bert-tone-subjective-objective")
tokenizer = BertTokenizer.from_pretrained("DaNLP/da-bert-tone-subjective-objective")

# 待分类的丹麦语文本
text = "Din mening om denne film er helt forkert."

# 预处理文本
inputs = tokenizer(
    text,
    return_tensors="pt",  # 若用TensorFlow则改为'tf'
    padding=True,
    truncation=True,
    max_length=512  # BERT的默认最大长度
)

# 模型推理（关闭梯度计算以提升效率）
with torch.no_grad():
    outputs = model(**inputs)

# 获取logits并转换为预测类别
logits = outputs.logits
predicted_class_idx = torch.argmax(logits, dim=1).item()

# 解析标签
predicted_label = model.config.id2label[predicted_class_idx]

print(f"输入文本: {text}")
print(f"预测类别: {predicted_label}")

说明：

• 该模型是针对丹麦语文本的二分类模型，标签为subjective（主观）和objective（客观）。
• 如果需要批量处理多个文本，直接将文本列表传入tokenizer即可，无需修改其他逻辑。

内容的提问来源于stack exchange，提问作者Bemz