Ebben a blogban két módszert fogunk áttekinteni arra, hogyan importálhatunk előre betanított modellt a PyTorch-ban.
Hogyan importálhatunk előre betanított modellt a PyTorch-ban a Torchvision segítségével?
A ' fáklyalátás ” könyvtár használható előre betanított modellek importálására a PyTorch-ban. Ez az elsődleges ' fáklya ” könyvtár, és tartalmazza a korábban lefordított adatkészletek és betanított modellek funkcióit. Ez a könyvtár lehetővé teszi a felhasználók számára, hogy olyan modelleket hívjanak meg, amelyeket nagy adathalmazra tanítottak. Ezek az előre betanított modellek alkalmazhatók új adatokra, és érvényes következtetéseket tudnak levonni anélkül, hogy hosszú és kezelhetetlen betanítási ciklusokra lenne szükség.
Kövesse az alábbi lépéseket, hogy megtudja, hogyan importálhat előre betanított modellt a PyTorch programban a Torchvision segítségével:
1. lépés: Nyissa meg a Google Colabot
Menj a Colaboratóriumba weboldal a Google hozta létre, és indítson el egy „ Új Notebook ” a projekt elindításához:
2. lépés: Importálja a szükséges könyvtárakat
A Colab IDE beállítása után az első lépés a projektben szükséges könyvtárak telepítése és importálása:
import fáklya
import fáklyalátás
import fáklyalátás. modellek
A fenti kód a következőképpen működik:
- A ' csipog ” csomagtelepítő a Pythonhoz a „ fáklya ” könyvtár.
- Ezután a „ import ” paranccsal importálható a könyvtár a Colab projektbe.
- Aztán a ' fáklyalátás ” könyvtár importálva van a projektbe. Ez tartalmazza az adatkészletek és modellek funkcióit.
- A ' fáklyalátás.modell ” modul előre betanított modellek választékát tartalmazza, például a maradék neurális hálózat modelljeit” ResNet ”:
3. lépés: Importáljon előre betanított modellt
Importáljon egy, a „torchvision.models” csomagba mentett, előre betanított modellt az alábbi kódsor használatával:
A fenti kódsor a következőképpen működik:
- Határozzon meg egy változót, és adjon neki megfelelő nevet a hivatkozáshoz, mint pl „Előképzett_modell” .
- Használja a „torchvision.models” modul hozzáadásához a ' ResNet ” modell.
- Add hozzá a ' komoly50 ” modellt, és állítsa be a „ pretrained=Igaz ” érveként:
Ezután tekintse meg az előre betanított modellt kimenetként a „print()” módszerrel:
nyomtatás ( Előképzett_modell ) 
jegyzet : Itt érheti el Colab-jegyzetfüzetünket, amely részletezi egy előre betanított PyTorch-modell torchvision segítségével történő importálását. link .
Hogyan lehet importálni egy előre betanított PyTorch-modellt az ölelkező arc adatbázisból?
Egy másik módszer egy előre betanított modell importálására az, hogy a Hugging Face platformról szerezzük be. A Hugging Face az egyik legnépszerűbb online adatbázis, amely előre képzett modelleket és nagy adatkészleteket tartalmaz az adattudósok és programozók számára.
Kövesse az alábbi lépéseket egy előre betanított PyTorch modell importálásához a Hugging Face Datasetből:
1. lépés: Indítson el egy Colab-jegyzetfüzetet, és telepítse és importálja a szükséges könyvtárakat
Az első lépés egy notebook elindítása a Colab IDE-ben, és a könyvtárak telepítése a „ csipog ' csomagtelepítőt, és importálja azokat a ' import 'parancs:
! pip install transzformátorok
import fáklya
import transzformátorok
transzformátoroktól import AutoModel
A következő könyvtárakra van szükség ebben a projektben
- A ' fáklya ” könyvtár az alapvető PyTorch könyvtár.
- A ' transzformátorok ” könyvtár tartalmazza a Hugging Face funkcióit, modelljeit és adatkészleteit:
2. lépés: Importálja a modellt a Hugging Face alkalmazásból
Ebben a példában az importálandó modell a „ Átölelő Arc ” adatbázis ezen a címen érhető el link . Használja a ' AutoModel.from_pretrained() ” módszerrel importálhat egy előre betanított modellt a Hugging Face alkalmazásból az alábbiak szerint:
előképzett_modell = AutoModel. from_pretraned ( előképzett_modell_neve )
nyomtatás ( előképzett_modell )
A fenti kód a következőképpen működik:
- Másolja ki a modell nevét a Hugging Face platformon található webhelyéről, és rendelje hozzá a „ előképzett_modell_neve ” változó a Colabban.
- Ezután használja a „ AutoModel.from_pretrained() ” metódust, és argumentumként adja meg a modellnév változót.
- Végül használja a 'nyomtatás() ” módszer az importált modell megjelenítéséhez a kimenetben.
A Hugging Face-ből importált előre betanított modell az alábbi kimenetet mutatja:
jegyzet : Itt érheti el Colab-jegyzetfüzetünket, amely részletesen bemutatja, hogyan importálhat előre betanított modellt Hugging Face-ből link .
Profi tipp
A Hugging Face nagy adatkészletek és összetett modellek értékes gyűjteménye, amelyet mindenki ingyenesen használhat mélytanulási projektekben. Feltöltheti saját adatkészleteit is, hogy mások is használhassák, és a platform az adattudósok és fejlesztők közötti együttműködésre van hangolva világszerte.
Siker! Megmutattuk, hogyan importálhatunk előre betanított PyTorch-modellt a torchvision könyvtár használatával vagy a Hugging Face adatbázisból a transzformátorok könyvtárával.
Következtetés
Egy előre betanított modell PyTorch programba történő importálásához a felhasználók a torchvision könyvtárat vagy a Hugging Face online adatbázisát használhatják a Google Colab transzformátorkönyvtárának használatával. Ezeket az előre betanított modelleket arra használják, hogy elkerüljék az értékes idő és hardvererőforrások elköltését a képzésben, és közvetlenül az új adatok teszteléséhez vezetnek hiteles következtetések levonásához. Ebben a blogban két módszert mutattunk be az előre betanított modellek PyTorch-ban való importálására.