Kako uvoziti vnaprej usposobljen model v PyTorch?

Modeli strojnega učenja v PyTorchu so lahko izjemno zapleteni in podrobni z milijoni vrstic in terabajtov podatkov. Večji in bolj raznolik kot je nabor podatkov, uporabljen pri usposabljanju, boljši so sklepi modela. Ključnega pomena je, da lahko uporabite predhodno usposobljene modele za sklepanje iz novih podatkov, ker lahko prihranite vire in uporabite iste natančno izdelane modele.

V tem spletnem dnevniku bomo preučili dve metodi uvoza vnaprej usposobljenega modela v PyTorch.

Kako uvoziti vnaprej usposobljen model v PyTorch z uporabo Torchvision?

' torchvision ” knjižnico lahko uporabite za uvoz vnaprej usposobljenih modelov v PyTorch. Je pododdelek primarnega ' svetilka ” in vsebuje funkcionalnost predhodno sestavljenih naborov podatkov in usposobljenih modelov. Ta knjižnica uporabnikom omogoča klicanje modelov, ki so bili usposobljeni na velikem naboru podatkov. Te vnaprej usposobljene modele je mogoče uporabiti za nove podatke in lahko zagotovijo veljavne sklepe brez potrebe po dolgih in neobvladljivih učnih zankah.

Sledite spodnjim korakom, če želite izvedeti, kako uvoziti predhodno usposobljen model v PyTorch s pomočjo Torchvision:

1. korak: Odprite Google Colab
Pojdite v Colaboratory Spletna stran ustvaril Google in začnite » Nov zvezek « za začetek projekta:

2. korak: uvozite potrebne knjižnice
Ko je Colab IDE nastavljen, je prvi korak namestitev in uvoz knjižnic, potrebnih v projektu:

! pip namestite svetilko

uvoz svetilka
uvoz torchvision
uvoz torchvision. modeli

Zgornja koda deluje na naslednji način:

' pip ' namestitveni program paketa za Python se uporablja za namestitev ' svetilka ' knjižnica.
Nato je ' uvoz ” se uporablja za uvoz knjižnice v projekt Colab.
Potem, ' torchvision ” se uvozi v projekt. To vsebuje funkcionalnost za nize podatkov in modele.
' torchvision.model »modul vsebuje izbor vnaprej usposobljenih modelov, kot so modeli preostale nevronske mreže« ResNet ”:

3. korak: Uvozite predhodno usposobljen model
Uvozite vnaprej usposobljen model, shranjen v paketu »torchvision.models« s spodnjo vrstico kode:

Pre_Trained_Model = torchvision. modeli . resnet50 ( predhodno usposobljeni = Prav )

Zgornja vrstica kode deluje takole:

Definirajte spremenljivko in ji dajte primerno ime za referenco, npr “Pred_izučen_model” .
Uporabi “torchvision.models” modul za dodajanje » ResNet ” model.
Dodajte » resnet50 model in nastavite pretrained=True « kot njegov argument:

Nato si oglejte predhodno usposobljeni model kot izhod z uporabo metode »print()«:

tiskanje ( Pre_Trained_Model )

Opomba : Do našega zvezka Colab, ki podrobno opisuje uvoz predhodno usposobljenega modela PyTorch z uporabo torchvision, lahko dostopate na tem povezava .

Kako uvoziti vnaprej pripravljen model PyTorch iz baze podatkov Hugging Face?

Druga metoda za uvoz vnaprej usposobljenega modela je pridobitev iz platforme Hugging Face. Hugging Face je ena najbolj priljubljenih spletnih baz podatkov za vnaprej usposobljene modele in velike nabore podatkov, ki so na voljo podatkovnim znanstvenikom in programerjem.

Sledite spodnjim korakom za uvoz predhodno usposobljenega modela PyTorch iz nabora podatkov Hugging Face:

1. korak: Zaženite prenosni računalnik Colab ter namestite in uvozite zahtevane knjižnice
Prvi korak je zagon zvezka v Colab IDE in namestitev knjižnic s pomočjo » pip ' in jih uvozite z ' uvoz ” ukaz:

! pip namestite svetilko
! pip namestite transformatorje

uvoz svetilka
uvoz transformatorji
od transformatorjev uvoz AutoModel

V tem projektu so potrebne naslednje knjižnice

' svetilka ” je bistvena knjižnica PyTorch.
' transformatorji ” knjižnica vsebuje funkcionalnost Hugging Face, njegove modele in njegove nabore podatkov:

2. korak: uvozite model iz Hugging Face
V tem primeru je model, ki ga želite uvoziti iz » Objem obraza ” baza podatkov je na voljo tukaj povezava . Uporabi ' AutoModel.from_pretrained() ” za uvoz predhodno usposobljenega modela iz Hugging Face, kot je prikazano spodaj:

vnaprej_izobraženo_ime_modela = 'Helsinki-NLP/opus-mt-en-zh'
predhodno_izurjen_model = AutoModel. od_pretreniran ( vnaprej_izobraženo_ime_modela )

tiskanje ( predhodno_izurjen_model )

Zgornja koda deluje na naslednji način:

Kopirajte ime modela z njegove spletne strani na platformi Hugging Face in ga dodelite » vnaprej_izobraženo_ime_modela ” v Colabu.
Nato uporabite » AutoModel.from_pretrained() ” in kot njen argument vnesite spremenljivko imena modela.
Na koncu uporabite 'print() ” za predstavitev uvoženega modela v izhodu.

Vnaprej usposobljen model, uvožen iz Hugging Face, bo prikazal spodnji rezultat:

Opomba : Do našega zvezka Colab, v katerem je podrobno opisano, kako uvoziti predhodno usposobljen model iz Hugging Face, lahko dostopate tukaj povezava .

Pro-Nasvet

Hugging Face je dragocena zbirka velikih naborov podatkov in zapletenih modelov, ki jih lahko vsi brezplačno uporabljajo v projektih globokega učenja. Prav tako lahko naložite svoje nabore podatkov, da jih lahko drugi uporabljajo, platforma pa je prilagojena za sodelovanje med znanstveniki in razvijalci podatkov po vsem svetu.

uspeh! Pokazali smo, kako uvoziti vnaprej pripravljen model PyTorch z uporabo knjižnice torchvision ali iz podatkovne baze Hugging Face z uporabo knjižnice transformers.

Zaključek

Za uvoz predhodno usposobljenega modela v PyTorch lahko uporabniki uporabijo knjižnico torchvision ali spletno zbirko podatkov Hugging Face s knjižnico transformatorjev v storitvi Google Colab. Ti vnaprej usposobljeni modeli se uporabljajo, da se izognemo porabi dragocenega časa in virov strojne opreme za usposabljanje in gremo neposredno na testiranje novih podatkov za verodostojne sklepe. V tem spletnem dnevniku smo prikazali dve metodi za uvoz vnaprej usposobljenih modelov v PyTorch.

Kako uvoziti vnaprej usposobljen model v PyTorch?