בבלוג זה נעבור על שתי שיטות כיצד לייבא מודל מאומן מראש ב- PyTorch.
כיצד לייבא דגם מיומן מראש ב- PyTorch באמצעות Torchvision?
ה ' חזון לפיד ניתן להשתמש בספרייה כדי לייבא מודלים מאומנים מראש ב- PyTorch. זוהי חלוקה משנה של ה'ראשוני' לפיד ” הספרייה ומכילה את הפונקציונליות של מערכי נתונים שהורכבו בעבר ומודלים מאומנים. ספרייה זו מספקת למשתמשים את היכולת להתקשר למודלים שהוכשרו על מערך נתונים גדול. ניתן ליישם את המודלים המאומנים מראש על נתונים חדשים ויכולים לספק מסקנות תקפות ללא צורך בלולאות אימון ארוכות ובלתי ניתנות לניהול.
בצע את השלבים המפורטים להלן כדי ללמוד כיצד לייבא דגם מאומן מראש ב- PyTorch באמצעות Torchvision:
שלב 1: פתח את Google Colab
לך לקולאבורטוריום אתר אינטרנט נוצר על ידי גוגל והתחל ' מחברת חדשה 'כדי להתחיל את הפרויקט:
שלב 2: ייבוא ספריות נחוצות
לאחר הגדרת ה-Colab IDE, השלב הראשון הוא התקנה ויבוא של הספריות הדרושות בפרויקט:
יְבוּא לפיד
יְבוּא חזון לפיד
יְבוּא חזון לפיד. דגמים
הקוד לעיל פועל באופן הבא:
- ה ' צִפצוּף 'מתקין החבילות עבור Python משמש להתקנת ' לפיד 'ספרייה.
- לאחר מכן, ה' יְבוּא הפקודה משמשת לייבא את הספרייה לפרויקט Colab.
- אז ה ' חזון לפיד הספרייה מיובאת לפרויקט. זה מכיל פונקציונליות עבור מערכי נתונים ומודלים.
- ה ' torchvision.model ' מודול מכיל מבחר של מודלים מאומנים מראש כמו אלה של Residual Neural Network ' ResNet ”:
שלב 3: ייבוא מודל מיומן מראש
ייבא דגם מאומן מראש שנשמר בחבילת 'torchvision.models' באמצעות שורת הקוד הבאה:
שורת הקוד למעלה פועלת באופן הבא:
- הגדר משתנה ותן לו שם מתאים להתייחסות כגון 'מודל_מתאמן' .
- להשתמש ב 'torchvision.models' מודול כדי להוסיף את ' ResNet 'דגם.
- תוסיף את ה ' רציני50 דגם ' והגדר את ' pretrained=נכון ' כטענתה:
בשלב הבא הצג את המודל שהוכשר מראש כפלט בשיטת 'print()':
הדפס ( Pre_Trained_Model ) 
הערה : אתה יכול לגשת למחברת Colab שלנו המפרטת את הייבוא של דגם PyTorch מיומן מראש באמצעות ראיית Torchvision כאן קישור .
כיצד לייבא דגם PyTorch מאומן מראש ממסד הנתונים של Hugging Face?
שיטה נוספת לייבא דגם מאומן מראש היא להשיג אותו מפלטפורמת Hugging Face. Hugging Face הוא אחד ממאגרי המידע המקוונים הפופולריים ביותר עבור מודלים מאומנים מראש ומערכי נתונים גדולים הזמינים עבור מדעני נתונים ומתכנתים.
בצע את השלבים הבאים כדי לייבא דגם PyTorch מאומן מראש ממערך הנתונים של Hugging Face:
שלב 1: הפעל מחברת Colab והתקן וייבא ספריות נדרשות
הצעד הראשון הוא להשיק מחברת ב-Colab IDE ולהתקין ספריות באמצעות ' צִפצוּף מתקין החבילות וייבא אותם באמצעות ' יְבוּא ' פקודה:
! pip להתקין שנאים
יְבוּא לפיד
יְבוּא רוֹבּוֹטרִיקִים
משנאים יְבוּא דגם אוטומטי
יש צורך בספריות הבאות בפרויקט זה
- ה ' לפיד 'הספרייה היא ספריית PyTorch החיונית.
- ה ' רוֹבּוֹטרִיקִים הספרייה מכילה את הפונקציונליות של Hugging Face, הדגמים שלה ומערך הנתונים שלה:
שלב 2: ייבא את הדגם מ-Huging Face
בדוגמה זו, המודל שיובא מה-' פנים מחבקות מסד הנתונים זמין כאן קישור . להשתמש ב ' AutoModel.from_pretrained() שיטה לייבא דגם מאומן מראש מ-Huging Face כפי שמוצג להלן:
מודל_אימון_טרום = דגם אוטומטי. from_pretrained ( pre_trained_model_name )
הדפס ( מודל_אימון_טרום )
הקוד לעיל פועל באופן הבא:
- העתק את שם הדגם מהאתר שלו בפלטפורמת Hugging Face והקצה אותו ל' pre_trained_model_name ” משתנה ב-Colab.
- לאחר מכן, השתמש ב' AutoModel.from_pretrained() ' שיטת והזן את משתנה שם המודל כארגומנט שלו.
- לבסוף, השתמש ב- 'הדפס() שיטה להצגת הדגם המיובא בפלט.
דגם מיובא מראש מבית Hugging Face יציג את הפלט הבא:
הערה : אתה יכול לגשת למחברת Colab שלנו המפרטת כיצד לייבא דגם מאומן מראש מ- Hugging Face כאן קישור .
פרו-טיפ
Hugging Face הוא אוסף רב ערך של מערכי נתונים גדולים ומודלים מורכבים שחינמיים לשימוש בפרויקטים של למידה עמוקה. אתה יכול גם להעלות מערכי נתונים משלך לשימוש אחרים והפלטפורמה מותאמת לשיתוף פעולה בין מדעני נתונים ומפתחים בכל רחבי העולם.
הַצלָחָה! הראינו כיצד לייבא מודל PyTorch מאומן מראש באמצעות ספריית Torchvision או ממסד הנתונים של Hugging Face באמצעות ספריית השנאים.
סיכום
כדי לייבא דגם מאומן מראש ב- PyTorch, משתמשים יכולים להשתמש בספריית Torchvision או ממסד הנתונים המקוון של Hugging Face באמצעות ספריית השנאים ב- Google Colab. המודלים שהוכשרו מראש משמשים כדי להימנע מהוצאות זמן יקרות ומשאבי חומרה בהדרכה ויוצאים ישירות לבדיקת נתונים חדשים לצורך מסקנות אמינות. בבלוג זה הצגנו שתי שיטות לייבוא דגמים מאומנים מראש ב- PyTorch.