تصنيف المشاعر بـ pipeline في Transformers
تحميل نموذج مدرب وتصنيف جمل بسطرين.
الهدف: فهم بنية النموذج اللغوي في Transformers وتمرير مدخلات وحساب الخسارة.
import math, torch
from transformers import GPT2Config, GPT2LMHeadModel
torch.manual_seed(0)
cfg = GPT2Config(vocab_size=1000, n_positions=64, n_embd=64, n_layer=2, n_head=4)
model = GPT2LMHeadModel(cfg)
ids = torch.randint(0, 1000, (2, 16))
out = model(input_ids=ids, labels=ids)
print("عدد المعاملات:", sum(p.numel() for p in model.parameters()))
print("شكل logits:", tuple(out.logits.shape))
print(f"الخسارة: {out.loss.item():.3f} | ln(1000) = {math.log(1000):.3f}")
ننشئ GPT2Config بأبعاد صغيرة ونبني GPT2LMHeadModel بأوزان عشوائية، فلا نحتاج اتصالاً. تمرير labels يجعل النموذج يحسب خسارة التنبؤ بالرمز التالي داخلياً. الخسارة الأولية قريبة من ln(حجم المفردات) لأن النموذج غير مدرب.
عدد المعاملات: 168192 شكل logits: (2, 16, 1000) الخسارة: 6.922 | ln(1000) = 6.908
نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — transformers 5.24.0, torch 2.15.0, python 3.13.18
تحميل نموذج مدرب وتصنيف جمل بسطرين.
الأقسام
لا يوجد قسم بهذا الاسم. اضغط «بحث» للبحث في محتوى الموقع كله.
المفضلة
نتائجي وشهاداتي
تقدّمي في الأكاديميةنتائج اختباراتيتقدّم الأطفالشهادات الأكاديميةشهادات الاختباراتابدأ أي درس أو اختبار وسيظهر هنا لتعود إليه بسرعة.
الإعدادات
أنا المساعد الذكي لأطر ومكتبات الذكاء الاصطناعي. صف مشروعك أو اسألني عن مكتبة أو مقارنة أو مثال برمجي، وسأجيبك من قاعدة بيانات الموسوعة مع الروابط والمصادر.
يجيب من قاعدة بيانات الموسوعة فقط، دون نموذج لغوي ودون إرسال سؤالك إلى أي جهة خارجية.
قد يخطئ المساعد أحياناً، فراجع المصادر المرفقة.