Vai al contenuto

Applicazioni pratiche di deep learning/Interrogare documenti(LLM)

Aggiungi collegamenti
Wikibooks, manuali e libri di testo liberi.
Applicazioni pratiche di deep learning
Categoria · Copertina · Sviluppo · Modifica il template
Applicazioni pratiche di deep learningApplicazioni pratiche di deep learning

Riconoscimento malattie ortaggiApplicazioni pratiche di deep learning/Riconoscimento malattie ortaggi Elaborazione del linguaggio naturaleApplicazioni pratiche di deep learning/Elaborazione del linguaggio naturale Riconoscimento recensioni positive AmazonApplicazioni pratiche di deep learning/Riconoscimento recensioni positive Amazon Identificazione tumori della pelleApplicazioni pratiche di deep learning/Identificazione tumori della pelle Diagnosi polmoniteApplicazioni pratiche di deep learning/Diagnosi polmonite Diagnosi alzheimerApplicazioni pratiche di deep learning/Diagnosi alzheimer Analisi elettrocardiogramma (ECG)Applicazioni pratiche di deep learning/Analisi elettrocardiogramma (ECG) Classificazione dei tweetsApplicazioni pratiche di deep learning/Classificazione dei tweets Segmentazione delle immaginiApplicazioni pratiche di deep learning/Segmentazione delle immagini Profilazione delle personeApplicazioni pratiche di deep learning/Profilazione delle persone Raccomandazione prodottiApplicazioni pratiche di deep learning/Raccomandazione prodotti Da voce a testoApplicazioni pratiche di deep learning/Da voce a testo Conversazione AIApplicazioni pratiche di deep learning/Conversazione AI Classificazione dei fioriApplicazioni pratiche di deep learning/Classificazione dei fiori Interrogare documenti(LLM)Applicazioni pratiche di deep learning/Interrogare documenti(LLM) Realizzare un chatbot(LLM)Applicazioni pratiche di deep learning/Realizzare un chatbot(LLM)

Creare un notebook ColabApplicazioni pratiche di deep learning/Creare un notebook Colab

Attraverso Llama 2, un Large Language Model (LLM) con parametri da 7 a 70 miliardi, alternativo a ChatGPT, rilasciato da Meta creatore di Facebook, si vuole interrogare un documento, fornito dal Partito Democratico, inerente la legge di bilancio del 2022. Tale documento scaricabile da qui in formato pdf, deve essere convertito in formato testo txt, tramite ad esempio il programma pdftotext, formattato in maniera comprensibile e tradotto in inglese, in modo da essere dato in pasto all'intelligenza artificiale di Llama 2.
Per utilizzare Llama 2 su Google Colab occorre innanzitutto avere un account su HuggingFace, accettare la licenza di Llama2 da |qui, aspettando al massimo 2 giorni, affinché avvenga l'approvazione da parte di Meta e poi fare una richiesta ad HuggingFace da qui per potere utilizzare il modello.
Fatto questo si può utilizzare il report su Colab da me realizzato, utilizzando questo notebook su Kaggle rilasciato con licenza Apache 2.0.
Cliccare sul seguente link ed eseguire il codice per fare domande al documento fornito dal Partito Democratico, dopo averlo tradotto in inglese e convertito in formato testo.

Estratto da "https://it.wikibooks.org/w/index.php?title=Applicazioni_pratiche_di_deep_learning/Interrogare_documenti(LLM)&oldid=456092"