Update README.md
Browse files
README.md
CHANGED
@@ -68,8 +68,7 @@ Este modelo está basado en XLM-RoBERTa y ha sido fine-tuned para realizar anál
|
|
68 |
|
69 |
Este modelo puede ser utilizado para clasificar el sentimiento de textos en español en tres categorías: negativo, neutro y positivo.
|
70 |
|
71 |
-
|
72 |
-
|
73 |
from transformers import AutoModelForSequenceClassification, AutoTokenizer
|
74 |
import torch
|
75 |
|
@@ -92,8 +91,7 @@ def predict(text):
|
|
92 |
texto = "Vamos pato!"
|
93 |
sentimiento = predict(texto)
|
94 |
print(f"El sentimiento del texto es: {sentimiento}")
|
95 |
-
|
96 |
-
´´´
|
97 |
|
98 |
|
99 |
## Limitaciones
|
|
|
68 |
|
69 |
Este modelo puede ser utilizado para clasificar el sentimiento de textos en español en tres categorías: negativo, neutro y positivo.
|
70 |
|
71 |
+
```python
|
|
|
72 |
from transformers import AutoModelForSequenceClassification, AutoTokenizer
|
73 |
import torch
|
74 |
|
|
|
91 |
texto = "Vamos pato!"
|
92 |
sentimiento = predict(texto)
|
93 |
print(f"El sentimiento del texto es: {sentimiento}")
|
94 |
+
```
|
|
|
95 |
|
96 |
|
97 |
## Limitaciones
|