许可证：afl-3.0
语言：

• 英文
  评估指标：
• 准确率
  基础模型：
• distilbert/distilbert-base-uncased
  管道标签：文本分类
  标签：
• 塔罗牌
• 问题检测器

DistilBERT 占卜问题检测模型

本项目提供了一个基于DistilBERT的占卜问题检测模型，可用于判断输入文本是否为符合塔罗占卜的问题。

📂 目录结构

model.safetensors：训练好的模型权重
config.json：模型架构配置文件
tokenizer.json：分词器配置
special_tokens_map.json：特殊标记配置
vocab.txt：分词器词汇表

🚀 快速开始

1️⃣ 安装依赖

请确保你的环境已安装 Python 3.8+，然后运行以下命令安装所需的依赖库：

pip install torch transformers fastapi uvicorn safetensors

2️⃣ 直接运行推理

如果你想直接在本地测试模型，可以运行 inference.py：

python inference.py

示例代码（inference.py）：

import torch
from transformers import DistilBertTokenizer, DistilBertForSequenceClassification

# 1. 加载模型
model_path = "./distilbert-question-detector"
tokenizer = DistilBertTokenizer.from_pretrained(model_path)
model = DistilBertForSequenceClassification.from_pretrained(model_path)
model.eval()

# 2. 进行推理
text = "Is this a question?"
inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=128)

with torch.no_grad():
    outputs = model(**inputs)
    logits = outputs.logits
    probabilities = torch.nn.functional.softmax(logits, dim=-1)

predicted_class = torch.argmax(probabilities, dim=-1).item()

print(f"Probabilities: {probabilities}")
print(f"Predicted class: {predicted_class}")  # 1 代表是疑问句，0 代表不是

3️⃣ 运行 API

你也可以使用 FastAPI 部署一个 HTTP 接口，允许其他应用通过 HTTP 请求访问模型。

uvicorn app:app --host 0.0.0.0 --port 8000

示例 API 代码（app.py）：

from fastapi import FastAPI
import torch
from transformers import DistilBertTokenizer, DistilBertForSequenceClassification

app = FastAPI()

# 加载模型
model_path = "./distilbert-question-detector/checkpoint-5150"
tokenizer = DistilBertTokenizer.from_pretrained(model_path)
model = DistilBertForSequenceClassification.from_pretrained(model_path)
model.eval()

@app.post("/predict/")
async def predict(text: str):
    inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=128)

    with torch.no_grad():
        outputs = model(**inputs)
        logits = outputs.logits
        probabilities = torch.nn.functional.softmax(logits, dim=-1)

    predicted_class = torch.argmax(probabilities, dim=-1).item()
    return {"text": text, "probabilities": probabilities.tolist(), "predicted_class": predicted_class}

API 运行后，可通过以下方式测试：

curl -X 'POST' \
  'http://127.0.0.1:8000/predict/' \
  -H 'Content-Type: application/json' \
  -d '{"text": "Is this a valid question?"}'

📌 结果说明

predicted_class: 0 代表输入文本符合条件
predicted_class: 1 代表输入文本不符合条件

示例结果：

{
    "text": "Is this a valid question?",
    "probabilities": [[0.9266, 0.0734]],
    "predicted_class": 0
}