एजाइल क्लासिफ़ायर एक कारगर और सुविधाजनक तरीका है ट्यूनिंग मॉडल, जैसे कि Gemma, आपकी ज़रूरतों को पूरा करता है. इनसे आपको यह कंट्रोल करने की सुविधा भी मिलती है कि वे कहां और कैसे तैनात किए जाते हैं.
Gemma Agile क्लासिफ़ायर के ट्यूटोरियल
 कोडलैब शुरू करें
|
 Google Colab शुरू करना
|
codelab और जेमा को बेहतर बनाने के लिए, LoRA का ट्यूटोरियल इस्तेमाल करें मॉडल, KerasNLP का इस्तेमाल करके कॉन्टेंट की नीति की कैटगरी तय करने वाले टूल के तौर पर काम करेगा लाइब्रेरी. ETHOS डेटासेट से सिर्फ़ 200 उदाहरणों का इस्तेमाल करके, यह क्लासिफ़ायर को 0.80 F1 स्कोर और ROC-AUC स्कोर मिलता है 0.78 प्रतिशत है, जो कला की आधुनिक स्थिति से तुलना करती है लीडरबोर्ड के नतीजे. जब 800 उदाहरणों के आधार पर ट्रेनिंग दी जाती है, लीडरबोर्ड में दी गई अन्य कैटगरी की तरह, जेमा पर आधारित एजाइल क्लासिफ़ायर उपलब्ध है 83.74 का F1 स्कोर और 88.17 का ROC-AUC स्कोर हासिल करता है. आपके पास इस क्लासिफ़ायर को और बेहतर बनाने या अपने हिसाब से बनाने के लिए ट्यूटोरियल निर्देश कस्टम सुरक्षा कैटगरी तय करने की सुविधा.