唐宇迪深度学习

模型的输出是一个字典列表，其中每个字典都有一个标签（对于这个特定示例，值为“POSITIVE”或“NEGATIVE”）和一个分数（即预测标签的分数）。

可以为分类器提供多个句子，并在一个函数调用中获得所有结果。

也可以通过设置模型名称的参数指定要使用的模型，所有的模型和关于模型的信息都在官方文档中提供了,例如下面代码使用的是twitter-roberta-base-sentiment

Dataset库可以轻松下载 NLP 中使用的一些最常见的基准数据集。

例如需要加载Stanford Sentiment Treebank（SST2，。它的目标是二元（正面和负面）分类，只有句子级别的标签。可以直接使用 load_dataset 函数加载数据集。