Agile Classifiers to wydajna i elastyczna metoda tworzenia niestandardowych klasyfikatorów polityki treści przez dostosowanie modeli, takich jak Gemma, do swoich potrzeb. Zapewniają też pełną kontrolę nad tym, gdzie i jak są wdrażane.
Samouczki Gemma Agile Classifier
 Rozpocznij ćwiczenia z programowania
|
 Uruchom Google Colab
|
Codelab i samouczek korzystają z LoRA, aby dostosować model Gemma do działania jako klasyfikator polityki treści za pomocą biblioteki KerasNLP. Na podstawie tylko 200 przykładów ze zbioru danych EHOS udało się klasyfikator uzyskuje wynik F1 równy 0,80 i wynik ROC-AUC. wynosi 0,78, co jest korzystnym wynikiem Wyniki w tabeli wyników. Podczas trenowania na 800 przykładach takich jak inne klasyfikatory na tablicy wyników, elastyczny klasyfikator oparty na Gemmie uzyskuje wynik F1 równy 83,74 i wynik ROC-AUC wynoszący 88,17. Możesz dostosować instrukcje z tego samouczka, aby dopracować ten klasyfikator lub utworzyć własne środki ochrony za pomocą niestandardowego klasyfikatora bezpieczeństwa.