昇思MindSpore 应用学习-基于 MindSpore 实现 BERT 对话情绪识别

基于 MindSpore 实现 BERT 对话情绪识别

模型简介

BERT全称是来自变换器的双向编码器表征量（Bidirectional Encoder Representations from Transformers），它是Google于2018年末开发并发布的一种新型语言模型。与BERT模型相似的预训练语言模型例如问答、命名实体识别、自然语言推理、文本分类等在许多自然语言处理任务中发挥着重要作用。模型是基于Transformer中的Encoder并加上双向的结构，因此一定要熟练掌握Transformer的Encoder的结构。
BERT模型的主要创新点都在pre-train方法上，即用了Masked Language Model和Next Sentence Prediction两种方法分别捕捉词语和句子级别的representation。
在用Masked Language Model方法训练BERT的时候，随机把语料库中15%的单词做Mask操作。对于这15%的单词做Mask操作分为三种情况：80%的单词直接用[Mask]替换、10%的单词直接替换成另一个新的单词、10%的单词保持不变。
因为涉及到Question Answering (QA) 和 Natural Language Inference (NLI)之类的任务，增加了Next Sentence Prediction预训练任务，目的是让模型理解两个句子之间的联系。与Masked Language Model任务相比，Next Sentence Prediction更简单些，训练的输入是句子A和B，B有一半的几率是A的下一句，输入这两个句子，BERT模型预测B是不是A的下一句。
BERT预训练之后，会保存它的Embedding table和12层Transformer权重（BERT-BASE）或24层Transformer权重（BERT-LARGE）。使用预训练好的BERT模型可以对下游任务进行Fine-tuning，比如：文本分类、相似度判断、阅读理解等。
对话情绪识别（Emotion Detection，简称EmoTect），专注于识别智能对话场景中用户的情绪，针对智能对话场景中的用户文本，自动判断该文本的情绪类别并给出相应的置信度，情绪类型分为积极、消极、中性。 对话情绪识别适用于聊天、客服等多个场景，能够帮助企业更好地把握对话质量、改善产品的用户交互体验，也能分析客服服务质量、降低人工质检成本。
下面以一个文本情感分类任务为例子来说明BERT模型的整个应用过程。

import os  # 导入os模块，用于与操作系统交互import mindspore  # 导入MindSpore深度学习框架
from mindspore.dataset import text, GeneratorDataset, transforms  # 从mindspore.dataset导入文本处理和数据集相关的功能
from mindspore import nn, context  # 从mindspore导入神经网络模块和上下文管理器from mindnlp._legacy.engine import Trainer, Evaluator  # 导入MindNLP的训练和评估模块
from mindnlp._legacy.engine.callbacks import CheckpointCallback, BestModelCallback  # 导入用于模型保存和最佳模型回调的功能
from mindnlp._legacy.metrics import Accuracy  # 导入准确率评估指标

代码解析

1. 导入模块：
   • import os：引入操作系统相关功能，通常用于文件和路径操作。
   • import mindspore：引入MindSpore框架，提供深度学习的基础设施。
   • from mindspore.dataset import text, GeneratorDataset, transforms：
     • text：处理文本数据的功能模块。
     • GeneratorDataset：可以通过生成器动态生成数据集。
     • transforms：用于数据预处理和转换的工具。
   • from mindspore import nn, context：
     • nn：包含神经网络构建所需的各类模块和层。
     • context：用于设置MindSpore的运行环境和上下文配置。
   • from mindnlp._legacy.engine import Trainer, Evaluator：
     • Trainer：用于模型的训练过程管理。
     • Evaluator：用于评估模型性能的工具。
   • from mindnlp._legacy.engine.callbacks import CheckpointCallback, BestModelCallback：
     • CheckpointCallback：用于在训练过程中保存模型的回调。
     • BestModelCallback：用于记录最佳模型的回调。
   • from mindnlp._legacy.metrics import Accuracy：引入准确率计算的指标模块。

API 解析

• mindspore.dataset：
  • 该模块提供了用于处理数据集的工具，支持文本数据的加载和转换。
• mindspore.nn：
  • 提供构建神经网络的基础组件，如层、损失函数等。
• mindspore.context：
  • 用于设置运行环境，例如选择计算设备（CPU/GPU/Ascend）。
• mindnlp._legacy.engine：
  • 提供训练和评估框架，可以简化模型的训练流程。
• mindnlp._legacy.engine.callbacks：
  • 提供回调机制，帮助用户在训练过程中实现模型保存、学习率调整等功能。
• mindnlp._legacy.metrics：
  • 提供性能评估指标，如准确率等，帮助在训练和评估阶段监测模型表现。

Building prefix dict from the default dictionary … Loading model from cache /tmp/jieba.cache Loading model cost 1.019 seconds. Prefix dict has been built successfully.

# prepare dataset
class SentimentDataset:"""Sentiment Dataset"""def __init__(self, path):self.path = path  # 存储数据集的路径self._labels, self._text_a = [], []  # 初始化标签和文本列表self._load()  # 调用加载数据集的方法def _load(self):# 从指定路径加载数据集with open(self.path, "r", encoding="utf-8") as f:dataset = f.read()  # 读取数据集文件内容lines = dataset.split("\n")  # 按行分割数据for line in lines[1:-1]:  # 遍历每一行，跳过第一行和最后一行label, text_a = line.split("\t")  # 按制表符分割标签和文本self._labels.append(int(label))  # 将标签转换为整数并添加到标签列表self._text_a.append(text_a)  # 将文本添加到文本列表def __getitem__(self, index):# 根据索引返回标签和文本return self._labels[index], self._text_a[index]def __len__(self):# 返回数据集的大小return len(self._labels)

代码解析

1. 类定义：
   • class SentimentDataset：定义一个用于情感分析的数据集类，主要用于加载和提供数据。
2. 初始化方法：
   • def __init__(self, path)：
     • self.path = path：将数据集文件路径存储到实例变量中。
     • self._labels, self._text_a = [], []：初始化两个空列表，用于存储标签和文本数据。
     • self._load()：调用私有方法 _load 来加载数据。
3. 数据加载方法：
   • def _load(self)：
     • with open(self.path, "r", encoding="utf-8") as f：以只读模式打开数据集文件，指定编码为UTF-8。
     • dataset = f.read()：读取文件内容。
     • lines = dataset.split("\n")：将文件内容按行切割。
     • for line in lines[1:-1]：循环遍历每行数据，跳过第一行（通常是表头）和最后一行（可能为空行）。
       • label, text_a = line.split("\t")：将每行数据按制表符分割，获取标签和文本。
       • self._labels.append(int(label))：将标签转换为整数并添加到 _labels 列表。
       • self._text_a.append(text_a)：将文本添加到 _text_a 列表。
4. 索引获取方法：
   • def __getitem__(self, index)：根据给定的索引返回对应的标签和文本。
     • return self._labels[index], self._text_a[index]：返回标签和文本的元组。
5. 长度获取方法：
   • def __len__(self)：返回数据集中样本的数量。
     • return len(self._labels)：返回标签列表的长度。

API 解析

• __init__：构造函数，用于初始化类的实例，并设置初始状态。
• 文件读取：使用Python内置的 open 函数来读取文件内容，通过 with 语句确保文件在使用后正确关闭。
• 列表操作：使用列表的 append 方法动态添加数据。
• __getitem__** 和 **__len__：这两个方法是Python的数据模型方法，允许类的实例像列表一样被索引和测量长度，使得 SentimentDataset 类可以很方便地与其他数据处理库（如PyTorch或MindSpore）配合使用。

数据集

这里提供一份已标注的、经过分词预处理的机器人聊天数据集，来自于百度飞桨团队。数据由两列组成，以制表符（‘\t’）分隔，第一列是情绪分类的类别（0表示消极；1表示中性；2表示积极），第二列是以空格分词的中文文本，如下示例，文件为 utf8 编码。
label–text_a
0–谁骂人了？我从来不骂人，我骂的都不是人，你是人吗 ？
1–我有事等会儿就回来和你聊
2–我见到你很高兴谢谢你帮我
这部分主要包括数据集读取，数据格式转换，数据 Tokenize 处理和 pad 操作。

# download dataset
!wget https://baidu-nlp.bj.bcebos.com/emotion_detection-dataset-1.0.0.tar.gz -O emotion_detection.tar.gz
# 使用wget命令从指定URL下载情感检测数据集并保存为emotion_detection.tar.gz!tar xvf emotion_detection.tar.gz
# 解压下载的tar.gz文件，提取内容

代码解析

1. 下载数据集：
   • !wget https://baidu-nlp.bj.bcebos.com/emotion_detection-dataset-1.0.0.tar.gz -O emotion_detection.tar.gz：
     • !wget：使用shell命令 wget 下载文件。
     • https://baidu-nlp.bj.bcebos.com/emotion_detection-dataset-1.0.0.tar.gz：指定要下载的数据集的URL。
     • -O emotion_detection.tar.gz：将下载的文件保存为 emotion_detection.tar.gz。
2. 解压文件：
   • !tar xvf emotion_detection.tar.gz：
     • !tar：使用shell命令 tar 来处理归档文件。
     • xvf：这是 tar 命令的选项：
       • x：表示解压缩。
       • v：表示显示解压缩过程中的文件（verbose模式）。
       • f：表示后面跟的是文件名。
     • emotion_detection.tar.gz：要解压的文件名。

API 解析

• wget：
  • 一个用于从网络下载文件的命令行工具，支持 HTTP、HTTPS 和 FTP 协议。
• tar：
  • 用于打包和解压缩文件的命令行工具，常用于Linux和Unix系统。.tar.gz格式是经过gzip压缩的tar档案，结合了两种工具的优点。

注意事项

• 在执行上述命令时，确保你的环境支持 ! 前缀的shell命令，这通常在Jupyter Notebook或某些支持魔法命令的环境中有效。
• 下载和解压的操作需要网络连接，并且保存路径需要有写入权限。

数据加载和数据预处理

新建 process_dataset 函数用于数据加载和数据预处理，具体内容可见下面代码注释。

import numpy as np  # 导入NumPy库，用于数值计算和操作def process_dataset(source, tokenizer, max_seq_len=64, batch_size=32, shuffle=True):# 获取当前设备目标，判断是否为Ascendis_ascend = mindspore.get_context('device_target') == 'Ascend'column_names = ["label", "text_a"]  # 定义数据集的列名# 创建生成器数据集dataset = GeneratorDataset(source, column_names=column_names, shuffle=shuffle)# 定义类型转换操作type_cast_op = transforms.TypeCast(mindspore.int32)def tokenize_and_pad(text):# 根据设备类型进行分词和填充操作if is_ascend:# 在Ascend上进行填充和截断tokenized = tokenizer(text, padding='max_length', truncation=True, max_length=max_seq_len)else:# 在非Ascend设备上只进行分词tokenized = tokenizer(text)return tokenized['input_ids'], tokenized['attention_mask']  # 返回输入ID和注意力掩码# 数据集映射操作，应用分词和填充函数dataset = dataset.map(operations=tokenize_and_pad, input_columns="text_a", output_columns=['input_ids', 'attention_mask'])# 为标签应用类型转换dataset = dataset.map(operations=[type_cast_op], input_columns="label", output_columns='labels')# 批处理数据集if is_ascend:dataset = dataset.batch(batch_size)  # 在Ascend上使用常规批处理else:dataset = dataset.padded_batch(batch_size, pad_info={'input_ids': (None, tokenizer.pad_token_id),'attention_mask': (None, 0)})  # 在非Ascend上使用填充批处理return dataset  # 返回处理后的数据集

代码解析

1. 导入：
   • import numpy as np：导入NumPy库，通常用于数值运算，但在此代码中未直接使用。
2. 函数定义：
   • def process_dataset(source, tokenizer, max_seq_len=64, batch_size=32, shuffle=True)：
     • source：数据源，可以是文本文件、数据集对象等。
     • tokenizer：用于将文本转换为模型输入格式的分词器。
     • max_seq_len：设置文本的最大序列长度，超过该长度的文本将被截断。
     • batch_size：每个批次的样本数量。
     • shuffle：是否在生成数据集时打乱数据顺序。
3. 设备判断：
   • is_ascend = mindspore.get_context('device_target') == 'Ascend'：判断当前执行环境是否为Ascend设备。
4. 数据集创建：
   • column_names = ["label", "text_a"]：定义数据集中包含的列名。
   • dataset = GeneratorDataset(source, column_names=column_names, shuffle=shuffle)：创建一个生成器数据集。
5. 类型转换操作：
   • type_cast_op = transforms.TypeCast(mindspore.int32)：创建一个类型转换操作，将标签转换为32位整数。
6. 分词和填充：
   • def tokenize_and_pad(text)：定义一个内部函数用于对输入文本进行分词和填充。
     • tokenizer(text, padding='max_length', truncation=True, max_length=max_seq_len)：在Ascend设备上进行分词，填充到最大长度。
     • 返回分词后的 input_ids 和 attention_mask。
7. 数据集映射：
   • dataset = dataset.map(...)：将文本列应用分词和填充操作，同时将标签列应用类型转换操作。
8. 批处理：
   • if is_ascend：根据设备类型选择合适的批处理方式。
     • dataset.batch(batch_size)：在Ascend设备上使用常规批处理。
     • dataset.padded_batch(batch_size, pad_info=...)：在其他设备上使用填充批处理，指定填充值。
9. 返回数据集：
   • return dataset：返回处理后的数据集对象。

API 解析

• GeneratorDataset：MindSpore中的一个数据集类，允许用户通过生成器动态生成数据。
• map：数据集的映射方法，可以对每个样本应用给定的操作。
• TypeCast：用于将数据类型转换为指定类型的操作。
• batch / padded_batch：用于将数据集分成批次，支持标准批处理和填充批处理，以处理不同长度的输入。

昇腾NPU环境下暂不支持动态Shape，数据预处理部分采用静态Shape处理：

from mindnlp.transformers import BertTokenizer  # 导入BertTokenizer类，用于加载和使用BERT分词器# 从预训练的BERT模型加载分词器
tokenizer = BertTokenizer.from_pretrained('bert-base-chinese')   # 获取分词器的填充标记ID
tokenizer.pad_token_id  # 创建训练数据集，使用自定义的SentimentDataset类和分词器
dataset_train = process_dataset(SentimentDataset("data/train.tsv"), tokenizer)# 创建验证数据集
dataset_val = process_dataset(SentimentDataset("data/dev.tsv"), tokenizer)# 创建测试数据集，禁用打乱
dataset_test = process_dataset(SentimentDataset("data/test.tsv"), tokenizer, shuffle=False)# 获取训练数据集的列名称
dataset_train.get_col_names()  # 从训练数据集中获取一个迭代器并打印下一个样本
print(next(dataset_train.create_tuple_iterator()))  

代码解析

1. 导入分词器：
   • from mindnlp.transformers import BertTokenizer：从MindNLP库导入BERT分词器的类。
2. 加载预训练的BERT分词器：
   • tokenizer = BertTokenizer.from_pretrained('bert-base-chinese')：
     • 使用指定的模型名称加载预训练的BERT分词器，这里是中文BERT模型。
3. 获取填充标记ID：
   • tokenizer.pad_token_id：获取分词器的填充标记的ID，用于后续的填充操作。
4. 创建数据集：
   • dataset_train = process_dataset(SentimentDataset("data/train.tsv"), tokenizer)：
     • 创建训练数据集，使用自定义的 SentimentDataset 类，将数据集路径和分词器传入。
   • dataset_val = process_dataset(SentimentDataset("data/dev.tsv"), tokenizer)：
     • 创建验证数据集。
   • dataset_test = process_dataset(SentimentDataset("data/test.tsv"), tokenizer, shuffle=False)：
     • 创建测试数据集，并设置 shuffle=False 以保持数据顺序。
5. 获取列名称：
   • dataset_train.get_col_names()：调用方法获取训练数据集中列的名称，通常是标签和文本列。
6. 创建迭代器并打印样本：
   • print(next(dataset_train.create_tuple_iterator()))：
     • 创建一个迭代器，使用 next() 获取下一个样本并打印出来，通常返回的是一个元组，包含标签和分词后的文本。

API 解析

• BertTokenizer：
  • 用于处理BERT模型的文本输入，负责将文本转换为模型可以接受的ID格式，并执行必要的填充和截断。
• from_pretrained：
  • 类方法，用于加载预训练模型的分词器，支持多种语言和任务。
• pad_token_id：
  • 分词器的填充标记ID，通常用于处理不同长度的输入，确保输入形状一致。
• SentimentDataset：
  • 自定义的数据集类，用于从指定文件加载情感分析相关的数据。
• process_dataset：
  • 处理数据集的函数，执行分词、填充和批处理等操作，返回已处理的数据集。
• create_tuple_iterator：
  • 数据集的方法，用于创建一个迭代器，可以返回数据集中的样本。
• next()：
  • Python内置函数，用于获取迭代器的下一个值。

模型构建

通过 BertForSequenceClassification 构建用于情感分类的 BERT 模型，加载预训练权重，设置情感三分类的超参数自动构建模型。后面对模型采用自动混合精度操作，提高训练的速度，然后实例化优化器，紧接着实例化评价指标，设置模型训练的权重保存策略，最后就是构建训练器，模型开始训练。

from mindnlp.transformers import BertForSequenceClassification, BertModel  # 导入BERT模型和用于序列分类的特定模型
from mindnlp._legacy.amp import auto_mixed_precision  # 导入自动混合精度的工具# 设置BERT配置并定义训练参数
model = BertForSequenceClassification.from_pretrained('bert-base-chinese', num_labels=3)  
# 从预训练的BERT模型加载序列分类模型，设置输出标签数量为3model = auto_mixed_precision(model, 'O1')  
# 应用自动混合精度以提高训练性能，'O1'为混合精度的优化策略optimizer = nn.Adam(model.trainable_params(), learning_rate=2e-5)  
# 创建Adam优化器，设置学习率为2e-5，并将模型可训练参数作为优化目标metric = Accuracy()  # 定义准确率作为评估指标# 定义回调函数以保存检查点
ckpoint_cb = CheckpointCallback(save_path='checkpoint', ckpt_name='bert_emotect', epochs=1, keep_checkpoint_max=2)  
# 创建检查点回调，设置保存路径、检查点名称、保存频率和最大保留检查点数量best_model_cb = BestModelCallback(save_path='checkpoint', ckpt_name='bert_emotect_best', auto_load=True)  
# 创建最优模型回调，自动加载最佳模型# 创建训练器
trainer = Trainer(network=model, train_dataset=dataset_train,eval_dataset=dataset_val, metrics=metric,epochs=5, optimizer=optimizer, callbacks=[ckpoint_cb, best_model_cb])  %%time  # 记录训练时间# 开始训练
trainer.run(tgt_columns="labels")  

代码解析

1. 导入必要的库：
   • from mindnlp.transformers import BertForSequenceClassification, BertModel：导入MindNLP中的BERT序列分类模型。
   • from mindnlp._legacy.amp import auto_mixed_precision：导入混合精度训练工具，以优化模型训练的性能和内存使用。
2. 模型创建：
   • model = BertForSequenceClassification.from_pretrained('bert-base-chinese', num_labels=3)：
     • 从预训练的中文BERT模型加载一个用于序列分类的模型，设置标签数量为3（例如，情感分析中的三种情感）。
3. 混合精度训练：
   • model = auto_mixed_precision(model, 'O1')：
     • 应用自动混合精度以节省内存和加速训练，其中 ‘O1’ 是适用于混合精度训练的优化策略。
4. 优化器定义：
   • optimizer = nn.Adam(model.trainable_params(), learning_rate=2e-5)：
     • 使用Adam优化器，学习率设为2e-5，优化目标是模型的可训练参数。
5. 指标定义：
   • metric = Accuracy()：
     • 定义准确率作为模型评估的指标。
6. 定义回调：
   • ckpoint_cb = CheckpointCallback(...)：
     • 创建检查点回调，以便在训练过程中定期保存模型检查点，设置保存路径、名称和最大检查点数量。
   • best_model_cb = BestModelCallback(...)：
     • 创建最佳模型回调，以自动加载保存的最佳模型。
7. 训练器创建：
   • trainer = Trainer(...)：
     • 初始化训练器，传入模型、训练数据集、验证数据集、评估指标、训练周期、优化器和回调列表。
8. 时间记录：
   • %%time：在Jupyter Notebook中使用魔法命令记录代码块的执行时间。
9. 开始训练：
   • trainer.run(tgt_columns="labels")：
     • 开始模型的训练过程，指定目标列为标签列。

API 解析

• BertForSequenceClassification：
  • BERT模型的变体，专门用于序列分类任务，能够处理文本分类任务的输入。
• auto_mixed_precision：
  • 用于自动应用混合精度训练，结合使用不同的数据类型以提高训练效率。
• nn.Adam：
  • Adam优化器，常用于深度学习中的参数优化。
• Accuracy：
  • 评估指标类，用于计算模型的准确率。
• CheckpointCallback：
  • 回调类，用于在训练过程中保存模型检查点。
• BestModelCallback：
  • 回调类，用于自动保存和加载最佳模型。
• Trainer：
  • MindSpore中用于管理整个训练过程的类，负责模型训练和评估的实施。
• run：
  • 启动训练过程的方法，传入训练所需的参数。

模型验证

将验证数据集加再进训练好的模型，对数据集进行验证，查看模型在验证数据上面的效果，此处的评价指标为准确率。

evaluator = Evaluator(network=model, eval_dataset=dataset_test, metrics=metric)  
# 创建评估器，传入训练好的模型、测试数据集和评估指标evaluator.run(tgt_columns="labels")  
# 运行评估，指定目标列为标签列

代码解析

1. 创建评估器：
   • evaluator = Evaluator(network=model, eval_dataset=dataset_test, metrics=metric)：
     • 使用训练好的模型、测试数据集和指定的评估指标初始化评估器。
     • network=model：传入已经训练好的模型。
     • eval_dataset=dataset_test：传入要评估的测试数据集。
     • metrics=metric：传入评估所使用的指标（如准确率）。
2. 运行评估：
   • evaluator.run(tgt_columns="labels")：
     • 调用评估器的 run 方法开始评估过程，使用 tgt_columns="labels" 指定要评估的目标列为标签列。

API 解析

• Evaluator：
  • 用于评估模型性能的类，能够帮助用户在特定数据集上计算和输出模型的评估指标。
• run：
  • 方法用于执行评估过程，通常会输出评估结果和性能指标，比如准确率、F1分数等。
• tgt_columns：
  • 指定在评估过程中需要关注的标签列，通常是模型预测的目标列。

模型推理

遍历推理数据集，将结果与标签进行统一展示。

# 加载待预测数据集
dataset_infer = SentimentDataset("data/infer.tsv")  def predict(text, label=None):label_map = {0: "消极", 1: "中性", 2: "积极"}  # 定义标签映射# 将输入文本进行分词并转换为Tensor格式text_tokenized = Tensor([tokenizer(text).input_ids])  # 使用模型进行预测logits = model(text_tokenized)  # 获取预测标签（取最大值的索引作为预测结果）predict_label = logits[0].asnumpy().argmax()  # 格式化输出信息info = f"inputs: '{text}', predict: '{label_map[predict_label]}'"  if label is not None:info += f" , label: '{label_map[label]}'"  # 如果提供真实标签，则输出真实标签print(info)  # 打印信息# 遍历待预测数据集并进行预测
for label, text in dataset_infer:predict(text, label)  

代码解析

1. 加载待预测数据集：
   • dataset_infer = SentimentDataset("data/infer.tsv")：
     • 从指定的文件路径加载待预测的数据集，这里是 infer.tsv 文件。
2. 定义预测函数：
   • def predict(text, label=None):：
     • 定义一个 predict 函数，接受文本输入和可选的真实标签。
3. 标签映射：
   • label_map = {0: "消极", 1: "中性", 2: "积极"}：
     • 创建一个字典，将数值标签映射到对应的情感描述。
4. 文本分词和转换：
   • text_tokenized = Tensor([tokenizer(text).input_ids])：
     • 使用提前定义的分词器对输入文本进行分词，并将生成的ID转换成Tensor格式，以便输入到模型中。
5. 模型预测：
   • logits = model(text_tokenized)：
     • 将分词后的文本输入到已训练的模型中获取预测结果（logits）。
6. 获取预测标签：
   • predict_label = logits[0].asnumpy().argmax()：
     • 从模型输出的logits中获取预测标签，通过取最大值的索引(argmax())来确定最可能的情感类别。
7. 格式化输出信息：
   • info = f"inputs: '{text}', predict: '{label_map[predict_label]}'"：
     • 创建一个包含输入文本和预测结果的字符串。
   • if label is not None: 语句用于检查是否提供了真实标签，如果有，则将真实标签添加到输出信息中。
8. 打印信息：
   • print(info)：输出格式化的信息到控制台。
9. 遍历数据集并进行预测：
   • for label, text in dataset_infer:：
     • 遍历待预测的数据集 dataset_infer，对于每一对 (label, text)，调用 predict 函数进行预测。

API 解析

• SentimentDataset：
  • 自定义的数据集类，用于加载情感分析任务的输入数据。
• Tensor：
  • MindSpore中的数据结构，用于存储和处理多维数据，尤其是在深度学习中作为输入或输出。
• tokenizer：
  • 分词器实例，负责将文本转换为模型可以接受的ID格式。
• model：
  • 已训练的情感分类模型，用于对输入文本生成预测结果。
• logits：
  • 模型的输出，通常是每个类别的未归一化的得分，使用 argmax() 获取预测标签。
• argmax()：
  • NumPy中的函数，用于返回数组中最大值的索引，在此用来确定最可能的情感类别。

自定义推理数据集

自己输入推理数据，展示模型的泛化能力。

predict("家人们咱就是说一整个无语住了 绝绝子叠buff")