Sentiment Analysis on IMDb Dataset using PyTorch & CI/CD

Dépôts Liés

• GitHub Repository : MaayZz/IMDB-sentiment
• Hugging Face Model Hub : MaayZz/imdb-sentiment-nn

Architecture du Projet

• data/ : Contient le jeu de données brut (imdb_top_500.csv).
• model/ : Dossier contenant les artifacts du modèle après entraînement :
  • model.pt : Poids du réseau de neurones PyTorch.
  • vectorizer.pkl : Vectoriseur TF-IDF scikit-learn sérialisé.
  • config.json : Hyperparamètres et configuration du modèle.
  • metrics.json : Métriques de performance (Accuracy, Loss).
• train.py : Script de chargement des données, de prétraitement, d'entraînement et d'évaluation.
• predict.py : Script d'inférence pour tester le modèle sur de nouvelles phrases.
• requirements.txt : Liste des dépendances Python requises.
• .github/workflows/train-and-upload.yml : Configuration du pipeline CI/CD GitHub Actions.

Détails Techniques du Modèle

1. Prétraitement :
   • Nettoyage du texte (suppression des balises HTML <br /> courantes dans IMDb).
   • Mises en minuscules et suppression de la ponctuation.
2. Représentation du texte :
   • TF-IDF avec un vocabulaire maximum de 5 000 mots les plus fréquents.
3. Classifieur (Réseau de neurones PyTorch) :
   • Couche d'entrée : 5 000 entrées (une valeur TF-IDF par mot du vocabulaire).
   • Couche cachée 1 : 128 neurones avec activation ReLU + Dropout (0.5).
   • Couche cachée 2 : 32 neurones avec activation ReLU.
   • Couche de sortie : 1 neurone avec fonction d'activation Sigmoïde pour prédire la probabilité de sentiment positif.
   • Optimisation : Loss BCELoss (Binary Cross Entropy) et optimiseur Adam.

Installation et Utilisation en Local

1. Cloner le dépôt et installer les dépendances

2. Entraîner le modèle localement

3. Tester le modèle (Inférence)

Fonctionnement du CI/CD (GitHub Actions)

1. Un runner GitHub Actions (Ubuntu) démarre.
2. Les dépendances Python sont installées depuis requirements.txt.
3. Le script train.py s'exécute pour ré-entraîner le modèle sur le dataset présent dans le dépôt et générer les artifacts mis à jour.
4. Les métriques d'entraînement et de test sont affichées dans les logs de l'Action.
5. Si l'entraînement réussit, le pipeline utilise la bibliothèque huggingface_hub et le secret de dépôt HF_TOKEN pour uploader automatiquement tous les fichiers du dossier model/ ainsi que le README.md vers le Hugging Face Hub MaayZz/imdb-sentiment-nn.