api-inference 文档

零样本分类

Hugging Face's logo
加入 Hugging Face 社区

并获得增强版文档体验

开始使用

零样本分类

零样本文本分类非常有用,它可以帮助您在没有代码的情况下进行分类,您只需传入一个句子或段落以及该句子的可能标签,即可获得结果。该模型可能没有在您提供的标签上进行过训练,但它仍然可以预测出正确的标签。

有关 zero-shot-classification 任务的更多详细信息,请查看其 专用页面!您将在其中找到示例和相关材料。

推荐的模型

探索所有可用的模型,找到最适合您的模型 这里

使用 API

Python
JavaScript
cURL
import requests

API_URL = "https://api-inference.huggingface.co/models/facebook/bart-large-mnli"
headers = {"Authorization": "Bearer hf_***"}

def query(payload):
	response = requests.post(API_URL, headers=headers, json=payload)
	return response.json()

output = query({
    "inputs": "Hi, I recently bought a device from your company but it is not working as advertised and I would like to get reimbursed!",
    "parameters": {"candidate_labels": ["refund", "legal", "faq"]},
})

要使用 Python 客户端,请参阅 huggingface_hub包参考

API 规范

请求

有效载荷
inputs* 对象 输入文本数据,包含候选标签
        text* 字符串 要分类的文本
        candidateLabels* 字符串[] 将文本分类到其中的可能类别标签集。
参数 对象 零样本分类的其他推理参数
        hypothesis_template 字符串 与 candidateLabels 结合使用,用于尝试文本分类,方法是将占位符替换为候选标签。
        multi_label 布尔值 是否可以有多个候选标签为真。如果为假,则对分数进行归一化,以便每个序列的标签似然之和为 1。如果为真,则将标签视为独立的,并对每个候选的概率进行归一化。

可以通过向推理 API 传递标头来配置某些选项。以下是可用的标头

标头
授权 字符串 身份验证标头,格式为 'Bearer: hf_****',其中 hf_**** 是具有推理 API 权限的个人用户访问令牌。您可以从 您的设置页面 生成一个。
x-use-cache 布尔值,默认为 true 推理 API 上有一个缓存层,可以加快我们已经看到的请求。大多数模型可以使用这些结果,因为它们是确定性的(这意味着无论如何输出将保持一致)。但是,如果您使用非确定性模型,则可以将此参数设置为阻止使用缓存机制,从而导致真正的全新查询。阅读有关缓存的更多信息 这里
x-wait-for-model 布尔值,默认值为 false 如果模型尚未准备好,请等待它,而不是接收 503 错误。这将限制完成推理所需的请求次数。建议仅在收到 503 错误后才将此标志设置为 true,因为它会将应用程序挂起限制在已知位置。有关模型可用性的更多信息,请点击这里

有关推理 API 标头的更多信息,请查看参数指南

响应

主体
(数组) object[] 输出是一个对象数组。
        label 字符串 预测的类别标签。
        score 数字 相应的概率。
< > 在 GitHub 上更新