20250507_ChatGpt와 공부하기_Day8

좋아~ 오늘부터 Hugging Face 기초편 진짜로 드가자!

🔥 Day 8 – Hugging Face 첫걸음 + pipeline 써보기

 

---

 

📘 Hugging Face란?

 

• 사람처럼 말하는 모델들을 쉽게 쓸 수 있게 만들어주는 Python 라이브러리야.
• 대표 라이브러리:
  • transformers: 사전 학습된 언어 모델 제공 (GPT, BERT, RoBERTa 등)
  • datasets: 학습용 텍스트/이미지 데이터셋들
  • tokenizers: 텍스트를 모델이 이해할 수 있게 토큰으로 쪼개줌
•  

 

---

 

🛠 설치 (이미 했을 수도 있지만, 다시 확인)

pip install transformers datasets

 

 

---

 

🚀 Step 1: pipeline 체험해보기

from transformers import pipeline

# 감정 분석 파이프라인 불러오기
classifier = pipeline("sentiment-analysis")

# 문장 넣고 감정 예측해보기
result = classifier("나는 오늘 너무 행복하고 기분이 좋아!")

print(result)

 

📌 출력 예시

[{'label': 'POSITIVE', 'score': 0.9998}]

 

 

---

 

🎯 Step 2: 여러 문장 한꺼번에 넣기

sentences = [
    "나는 오늘 너무 행복하다!",
    "기분이 좀 우울해.",
    "무서운 꿈을 꿨다.",
    "짜증나고 화가 난다."
]

results = classifier(sentences)

for sentence, result in zip(sentences, results):
    print(f"{sentence} => {result['label']} (score: {result['score']:.2f})")

 

 

---

 

✏️ 오늘 과제

 

 

🧪 Problem 1

 

sentences 리스트 안 문장들의 감정 태그를 'POSITIVE', 'NEGATIVE'로 분류한 딕셔너리를 만들어봐!

{
  "나는 오늘 너무 행복하다!": "POSITIVE",
  "기분이 좀 우울해.": "NEGATIVE",
  ...
}

 

🧪 Problem 2

 

감정이 'NEGATIVE'인 문장만 골라 리스트로 출력해봐!

 

---

오늘 목표는 Hugging Face pipeline을 처음 써보고 감정 분석을 해보는 것이야.

준비되면 바로 코드 짜서 보여줘도 되고, 궁금한 점 물어봐도 좋아!

드가자~

# problem 01

sentences = [

"나는 오늘 너무 행복하다.",

"기분이 좀 우울해.",

"무서운 꿈을 꿨다.",

"짜증나고 화가 난다."

]

results = classifier(sentences)

sentence_dict = {sentence : result['label'] for sentence , result in zip(sentences , results)}

print(sentence_dict)

 

 

# problem 02

filtered_sentence = []

for sentence, emotion in sentence_dict.items():

if emotion == "NEGATIVE":

filtered_sentence.append(sentence)

print(filtered_sentence)