---
language:
- az
metrics:
- accuracy
- f1
widget:
  - text: کریم خان زندین اؤلومو ایله خانلیق یئنیدن موستقیل سیاست یئریتمگه باشلادی . 
    example_title: تاریخ
  - text: کیمیا علیزاده زنوزی اصیللی ایرانلی تکواندو اویونچوسودور . 
    example_title: ایدمان
  - text: خزر دنیزی بؤیوک‌لوگونه و بعضی فیزیکی جوغرافی علامتلرینه گؤره دونیانین ان بؤیوک گؤلودور . 
    example_title: جوغرافیا
  - text: گولخانی اؤزبک کلاسیک شاعیری ، ادیبی ، یازیچی و اؤزبک ادبیاتی‌نین ساتیریک مکتبی‌نین قوروجولاریندان بیری‌دیر . 
    example_title: ادبیات   
---
# Text Classification Model
   - Type: Fine-tuned BERT-based text classification model
   - Description: This model has been fine-tuned using [AzerBERT](https://huggingface.co/language-ml-lab/AzerBert) for text classification tasks. It is designed to categorize text into one of the following four categories: literature, sports, history, and geography.

## How to use
```python
# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-classification", model="language-ml-lab/classification-azb")
```

```python
# Load model directly
from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("language-ml-lab/classification-azb")
model = AutoModelForSequenceClassification.from_pretrained("language-ml-lab/classification-azb")
```