W tym blogu omówimy dwie metody importowania wstępnie wytrenowanego modelu w PyTorch.
Jak zaimportować wstępnie wytrenowany model w PyTorch za pomocą Torchvision?
„ widzenie pochodni ” można wykorzystać do importowania wstępnie wytrenowanych modeli w PyTorch. Jest to pododdział podstawowego „ latarka ” i zawiera funkcjonalność wcześniej skompilowanych zbiorów danych i wytrenowanych modeli. Ta biblioteka zapewnia użytkownikom możliwość wywoływania modeli, które zostały przeszkolone na dużym zestawie danych. Te wstępnie wytrenowane modele można zastosować do nowych danych i zapewnić prawidłowe wnioski bez konieczności tworzenia długich i niemożliwych do zarządzania pętli szkoleniowych.
Wykonaj kroki podane poniżej, aby dowiedzieć się, jak zaimportować wstępnie wytrenowany model do PyTorch za pomocą Torchvision:
Krok 1: Otwórz Google Colab
Idź do Spółdzielni strona internetowa utworzone przez Google i rozpocząć „ Nowy notatnik ”, aby rozpocząć projekt:
Krok 2: Zaimportuj niezbędne biblioteki
Po skonfigurowaniu Colab IDE pierwszym krokiem jest instalacja i zaimportowanie bibliotek potrzebnych w projekcie:
import latarka
import widzenie pochodni
import widzenie pochodni. modele
Powyższy kod działa w następujący sposób:
- „ pypeć ” instalator pakietu dla Pythona służy do instalowania pakietu „ latarka ' biblioteka.
- Następnie „ import ” służy do importowania biblioteki do projektu Colab.
- A później ' widzenie pochodni ” zostanie zaimportowana do projektu. Zawiera funkcje dotyczące zestawów danych i modeli.
- „ model.torchvision ” moduł zawiera asortyment wstępnie wytrenowanych modeli, takich jak modele resztkowej sieci neuronowej „ ResNet ”:
Krok 3: Importuj wstępnie wyszkolony model
Zaimportuj wstępnie wytrenowany model zapisany w pakiecie „torchvision.models”, używając poniższego wiersza kodu:
Powyższa linia kodu działa w następujący sposób:
- Zdefiniuj zmienną i nadaj jej odpowiednią nazwę, np „Wstępnie przeszkolony_model” .
- Użyj „torchvision.models” moduł, aby dodać „ ResNet ' Model.
- Dodaj ' poważny50 ” i ustaw „ wstępnie przeszkolony = Prawda ” jako argument:
Następnie wyświetl wstępnie wytrenowany model jako wynik, używając metody „print()”:
wydrukować ( Pre_Trained_Model )
Notatka : Możesz uzyskać dostęp do naszego notatnika Colab, w którym szczegółowo opisano import wstępnie wytrenowanego modelu PyTorch za pomocą torchvision tutaj połączyć .
Jak zaimportować wstępnie wytrenowany model PyTorch z bazy danych Hugging Face?
Inną metodą importu wstępnie wytrenowanego modelu jest pozyskanie go z platformy Hugging Face. Hugging Face to jedna z najpopularniejszych internetowych baz danych zawierająca wstępnie wytrenowane modele i duże zbiory danych dostępne dla analityków danych i programistów.
Wykonaj poniższe czynności, aby zaimportować wstępnie wytrenowany model PyTorch ze zbioru danych Hugging Face:
Krok 1: Uruchom notatnik Colab oraz zainstaluj i zaimportuj wymagane biblioteki
Pierwszym krokiem jest uruchomienie notatnika w Colab IDE i zainstalowanie bibliotek za pomocą „ pypeć ” instalatora pakietów i zaimportuj je za pomocą „ import ' Komenda:
! pip zainstaluj transformatory
import latarka
import transformatory
z transformatorów import AutoModel
W tym projekcie potrzebne są następujące biblioteki
- „ latarka ” jest podstawową biblioteką PyTorch.
- „ transformatory ” zawiera funkcjonalność Hugging Face, jej modele i zbiory danych:
Krok 2: Zaimportuj model z Hugging Face
W tym przykładzie model, który ma zostać zaimportowany z „ Przytulanie Twarzy ” baza danych jest dostępna pod tym adresem połączyć . Użyj ' AutoModel.from_pretrained() ”, aby zaimportować wstępnie wytrenowany model z Hugging Face, jak pokazano poniżej:
model_pre_trenowany = AutoModel. od_wstępnie przeszkolonego ( nazwa_modelu_przeszkolonego )
wydrukować ( model_pre_trenowany )
Powyższy kod działa w następujący sposób:
- Skopiuj nazwę modelu z jej strony internetowej na platformie Hugging Face i przypisz ją do „ nazwa_modelu_przeszkolonego ” zmienna w Colab.
- Następnie skorzystaj z opcji „ AutoModel.from_pretrained() ” i jako argument wprowadź zmienną nazwy modelu.
- Na koniec skorzystaj z 'wydrukować() ”, aby zaprezentować zaimportowany model w wynikach.
Wstępnie wytrenowany model zaimportowany z Hugging Face wyświetli poniższe dane wyjściowe:
Notatka : Możesz uzyskać dostęp do naszego notatnika Colab, w którym szczegółowo opisano, jak zaimportować wstępnie wytrenowany model z Hugging Face połączyć .
Wskazówka profesjonalna
Hugging Face to cenny zbiór dużych zbiorów danych i złożonych modeli, z których każdy może bezpłatnie korzystać w projektach głębokiego uczenia się. Możesz także przesyłać własne zbiory danych, aby inni mogli z nich korzystać, a platforma jest dostosowana do współpracy między badaczami danych i programistami na całym świecie.
Powodzenie! Pokazaliśmy jak zaimportować wstępnie wytrenowany model PyTorch korzystając z biblioteki torchvision lub z bazy Hugging Face korzystając z biblioteki transformatorów.
Wniosek
Aby zaimportować wstępnie wytrenowany model do PyTorch, użytkownicy mogą skorzystać z biblioteki torchvision lub z internetowej bazy danych Hugging Face, korzystając z biblioteki transformatorów w Google Colab. Te wstępnie wytrenowane modele pozwalają uniknąć marnowania cennego czasu i zasobów sprzętowych na szkolenie i bezpośrednio służą do testowania nowych danych w celu uzyskania wiarygodnych wniosków. Na tym blogu pokazaliśmy dwie metody importowania wstępnie wytrenowanych modeli w PyTorch.