Quando eu fui resolver o erro do liqfit vi que ele precisa transformers antigo, instalei, mas o pysentimiento precisa transformers novos, então ele dá erro após restartar o ambiente e rodar novamente. Com essa incopatibilidade fica difícil de dar continuidade nesse curso, última atualização do curso de 2024, seria bom resolver esse problema.
Olá, William, como vai?
Obrigado por compartilhar o contexto com tanto detalhe. Realmente, há uma incompatibilidade entre o liqfit, que depende de versões mais antigas do transformers, e o pysentimiento, que exige versões mais recentes. Como você identificou, ao fazer downgrade para atender o liqfit, o pysentimiento deixa de funcionar após reiniciar o ambiente, o que inviabiliza manter ambos na mesma instalação.
No exercício de categorização, é possível contornar essa limitação utilizando apenas o pipeline oficial do transformers com um modelo compatível com zero-shot moderno, como no exemplo abaixo:
from transformers import pipeline
classifier = pipeline(
"zero-shot-classification",
model="MoritzLaurer/mDeBERTa-v3-base-mnli-xnli"
)
resultado = classifier(
"""Este water gel leve e refrescante, proporciona hidratação imediata que ajuda a aliviar o
repuxamento e aspereza da pele sensível""",
candidate_labels=['beleza', 'cozinha', 'livros']
)
print(resultado)
Dessa forma, você elimina a dependência do liqfit e mantém compatibilidade com versões atuais do transformers, o que também evita conflitos com bibliotecas como o pysentimiento.
Você fez uma observação pertinente sobre a atualização do conteúdo. Vou encaminhar esse caso para o responsável pelo curso para que a questão de dependências e versões seja analisada.
Espero ter ajudado.
Siga firme nos seus estudos e conte com o fórum sempre que precisar.
Abraços :)
O Gemini corrigiu o erro com essa versão do transformers:
!pip uninstall -y transformers
!pip install --upgrade pip setuptools
!pip install transformers==4.41.0
from liqfit.pipeline import ZeroShotClassificationPipeline
from liqfit.models import T5ForZeroShotClassification
from transformers import T5Tokenizer