طبقه‌بندی‌کننده‌های چابک روشی کارآمد و انعطاف‌پذیر برای ایجاد طبقه‌بندی‌های خط‌مشی محتوای سفارشی با تنظیم مدل‌هایی مانند Gemma است که متناسب با نیازهای شما باشد. آنها همچنین به شما امکان کنترل کامل بر مکان و نحوه استقرار آنها را می دهند.
آموزش Gemma Agile Classifier
 Codelab را راه اندازی کنید |  Google Colab را راه اندازی کنید |
نرم افزار Codelab و آموزش از LoRA برای تنظیم دقیق مدل Gemma استفاده می کند تا به عنوان طبقه بندی خط مشی محتوا با استفاده از کتابخانه KerasNLP عمل کند. تنها با استفاده از 200 نمونه از مجموعه داده ETHOS ، این طبقه‌بندی‌کننده امتیاز F1 0.80 و ROC-AUC 0.78 را به دست می‌آورد که به طور مطلوبی با نتایج پیشرفته تابلوی برتر مقایسه می‌شود. هنگامی که بر روی 800 نمونه آموزش داده می شود، مانند سایر طبقه بندی کننده ها در تابلوی امتیازات، طبقه بندی کننده چابک مبتنی بر Gemma به امتیاز F1 83.74 و امتیاز ROC-AUC 88.17 دست می یابد. می‌توانید دستورالعمل‌های آموزشی را برای اصلاح بیشتر این طبقه‌بندی‌کننده، یا ایجاد حفاظت‌های طبقه‌بندی‌کننده ایمنی سفارشی خود تطبیق دهید.