Hugging Face's logo

digitalhealth-healthyliving
/
MediFlow

Text Classification
Transformers
Safetensors
English
Spanish
xlnet
medical
Inference Endpoints
Model card Files Community
eperezs commited on
Commit
f73559c
·
verified ·
1 Parent(s): bb11078

Update README.md

Browse files
Files changed (1) hide show
  1. README.md +4 -4
README.md CHANGED
@@ -3,9 +3,9 @@ library_name: transformers
3
  tags: []
4
  ---
5
 
6
- # **TriageTron-large**
7
 
8
- TriageTron-large se trata de un modelo inicializado con [xlnet-large-unsased](https://huggingface.co/xlnet/xlnet-large-cased) y adaptado con preguntas y especialidades
9
  para poder realizar Derivaciones Automatizadas en Servicios Hospitalarios. El dataset se puede encontrar de manera pública y se trata de [MedDialog EN](https://arxiv.org/abs/2004.03329).
10
 
11
  Para el entrenamiento de este modelo hemos seguidos los estándares de la librería [transformers](https://github.com/huggingface/transformers) y se ha utilizado una
@@ -16,7 +16,7 @@ Mediante el `pipeline` de Hugging Face:
16
  ```python
17
  from transformers import pipeline
18
 
19
- model_id = "eperezs/TriageTron-large"
20
  pipe = pipeline("text-classification", model_id, token = <your_token_here>)
21
 
22
  text = "I have pain in the back"
@@ -29,7 +29,7 @@ Mediante `AutoModelForSequenceClassification` y `AutoTokenizer`:
29
  ```python
30
  from transformers import AutoModelForSequenceClassification, AutoTokenizer
31
 
32
- model_id = "eperezs/TriageTron-large"
33
  tokenizer = AutoTokenizer.from_pretrained(model_id)
34
  model = AutoModelForSequenceClassification.from_pretrained(model_id)
35
 
 
3
  tags: []
4
  ---
5
 
6
+ # **MediFlow**
7
 
8
+ MediFlow se trata de un modelo inicializado con [xlnet-large-unsased](https://huggingface.co/xlnet/xlnet-large-cased) y adaptado con preguntas y especialidades
9
  para poder realizar Derivaciones Automatizadas en Servicios Hospitalarios. El dataset se puede encontrar de manera pública y se trata de [MedDialog EN](https://arxiv.org/abs/2004.03329).
10
 
11
  Para el entrenamiento de este modelo hemos seguidos los estándares de la librería [transformers](https://github.com/huggingface/transformers) y se ha utilizado una
 
16
  ```python
17
  from transformers import pipeline
18
 
19
+ model_id = "eperezs/MediFlow"
20
  pipe = pipeline("text-classification", model_id, token = <your_token_here>)
21
 
22
  text = "I have pain in the back"
 
29
  ```python
30
  from transformers import AutoModelForSequenceClassification, AutoTokenizer
31
 
32
+ model_id = "eperezs/MediFlow"
33
  tokenizer = AutoTokenizer.from_pretrained(model_id)
34
  model = AutoModelForSequenceClassification.from_pretrained(model_id)
35