distilbert-base-uncased-finetuned-sst-2-english

项目介绍：distilbert-base-uncased-finetuned-sst-2-english

这个项目是一个基于模型“distilbert-base-uncased-finetuned-sst-2-english”的自然语言处理工具，旨在通过JavaScript库Transformers.js对文本进行情感分析。这款工具使用了ONNX格式的权重，使其与Transformers.js的兼容性更强。

项目背景

“distilbert-base-uncased-finetuned-sst-2-english”模型最初是一个经过微调的DistilBERT模型，该模型在SST-2数据集上进行调整，主要用于情感分类任务。其轻量级的特性使得它在维持较高精度的同时，更加高效且计算速度更快。

使用说明

为使该工具在web环境下易于使用，用户可以使用NPM来安装Transformers.js JavaScript库。安装的命令如下：

npm i @xenova/transformers

安装完成后，用户可以通过以下示例代码来实现文本的情感分析：

import { pipeline } from "@xenova/transformers";

// 创建情感分析管道
const classifier = await pipeline('sentiment-analysis', 'Xenova/distilbert-base-uncased-finetuned-sst-2-english');

// 分析输入文本
const output = await classifier('I love transformers!');
console.log(output);
// 输出 [{ label: 'POSITIVE', score: 0.999788761138916 }]

// 分析输入文本（返回所有类别的结果）
const output2 = await classifier('I love transformers!', { topk: null });
console.log(output2);
// 输出 [
//   { label: 'POSITIVE', score: 0.999788761138916 },
//   { label: 'NEGATIVE', score: 0.00021126774663571268 }
// ]

注意事项

当前，这个项目使用单独的仓库来存储ONNX权重，这种做法是暂时的，直到WebML技术得到更广泛的应用。此外，对于希望使模型能够在web环境中使用的开发者，建议使用🤗 Optimum将模型转换为ONNX格式，并将ONNX权重放置在名为onnx的子文件夹中，类似于本项目的结构。

通过这一项目，用户可以构建高效的情感分析应用，而无需关心底层实现的复杂性，从而专注于开发应用的具体需求。