自然语言处理GPT模型情感分类

以下是使用GPT模型进行情感分类的示例代码：

import torch
from transformers import GPT2Tokenizer, GPT2LMHeadModel

# 加载预训练模型和分词器
tokenizer = GPT2Tokenizer.from_pretrained('gpt2')
model = GPT2LMHeadModel.from_pretrained('gpt2')

# 定义情感分类标签
labels = ['negative', 'positive']

# 定义待分类的文本
text = "I love this movie! It's so interesting and exciting."

# 对文本进行分词和编码
input_ids = tokenizer.encode(text, return_tensors='pt')

# 使用模型进行推理
with torch.no_grad():
    outputs = model(input_ids)
    logits = outputs[0]

# 获取预测结果
predicted_label = labels[torch.argmax(logits[0]).item()]

# 输出预测结果
print("Predicted label:", predicted_label)

该示例代码使用了GPT-2模型进行情感分类。首先，我们加载了预训练模型和分词器。然后，定义了情感分类标签和待分类的文本。接着，我们对文本进行分词和编码，并使用模型进行推理。最后，获取预测结果并输出。