Како увести унапред обучени модел у ПиТорцх?

У овом блогу ћемо проћи кроз две методе како да увезете унапред обучени модел у ПиТорцх.

Како увести унапред обучени модел у ПиТорцх користећи Торцхвисион?

„ торцхвисион ” библиотека може да се користи за увоз унапред обучених модела у ПиТорцх. То је пододељење примарног “ бакља ” библиотека и садржи функционалност претходно компајлираних скупова података и обучених модела. Ова библиотека пружа корисницима могућност позивања модела који су обучени на великом скупу података. Ови унапред обучени модели могу се применити на нове податке и могу обезбедити валидне закључке без потребе за дугим и неуправљивим петљама обуке.

Пратите доле наведене кораке да бисте научили како да увезете унапред обучени модел у ПиТорцх користећи Торцхвисион:

Корак 1: Отворите Гоогле Цолаб
Иди у Колабораторију веб сајт креирао Гоогле и покрените „ Нова бележница ” за почетак пројекта:

Корак 2: Увезите потребне библиотеке
Када је Цолаб ИДЕ постављен, први корак је инсталирање и увоз библиотека потребних у пројекту:

Горњи код ради на следећи начин:

• „ пип ” инсталатер пакета за Питхон се користи за инсталирање „ бакља ” библиотека.
• Затим, „ увоз ” команда се користи за увоз библиотеке у Цолаб пројекат.
• Затим ' торцхвисион ” библиотека је увезена у пројекат. Ово садржи функционалност за скупове података и моделе.
• „ торцхвисион.модел ” модул садржи асортиман унапред обучених модела као што су они резидуалне неуронске мреже “ РесНет ”:

Корак 3: Увезите унапред обучени модел
Увезите унапред обучени модел сачуван у пакету „торцхвисион.моделс“ користећи доњи ред кода:

Горњи ред кода ради на следећи начин:

• Дефинишите променљиву и дајте јој одговарајуће име за референцу као нпр „Пре_обучени_модел“ .
• Користити “торцхвисион.моделс” модул за додавање „ РесНет ” модел.
• Додајте ' озбиљан50 “ модел и подесите “ претраинед=Тачно ” као свој аргумент:

Затим погледајте унапред обучени модел као излаз користећи метод „принт()“:

Белешка : Можете приступити нашој Цолаб бележници која садржи детаље о увозу унапред обученог ПиТорцх модела користећи торцхвисион на овом линк .

Како увести унапред обучени ПиТорцх модел из базе података Хуггинг Фаце?

Други метод за увоз унапред обученог модела је да га добијете са платформе Хуггинг Фаце. Хуггинг Фаце је једна од најпопуларнијих онлајн база података за унапред обучене моделе и велике скупове података који су доступни научницима података и програмерима.

Пратите доле наведене кораке да бисте увезли унапред обучени ПиТорцх модел из скупа података Хуггинг Фаце:

Корак 1: Покрените Цолаб бележницу и инсталирајте и увезите потребне библиотеке
Први корак је да покренете бележницу у Цолаб ИДЕ и инсталирате библиотеке користећи „ пип ” инсталатер пакета и увезите их помоћу „ увоз ” команда:

У овом пројекту су потребне следеће библиотеке

• „ бакља ” библиотека је основна ПиТорцх библиотека.
• „ трансформатори ” библиотека садржи функционалност Хуггинг Фаце-а, његове моделе и скупове података:

Корак 2: Увезите модел из Хуггинг Фаце
У овом примеру, модел који треба да се увезе из „ Хуггинг Фаце ” база података је доступна на овом месту линк . Користити ' АутоМодел.фром_претраинед() ” за увоз унапред обученог модела из Хуггинг Фаце-а као што је приказано у наставку:

Горњи код ради на следећи начин:

• Копирајте назив модела са његове веб странице на платформи Хуггинг Фаце и доделите га „ пре_траинед_модел_наме ” променљива у Цолаб-у.
• Затим користите „ АутоМодел.фром_претраинед() ” и унесите променљиву имена модела као њен аргумент.
• На крају, користите „принт() ” за приказ увезеног модела у излазу.

Унапред обучени модел увезен са Хуггинг Фаце-а ће показати доњи излаз:

Белешка : Можете приступити нашој Цолаб бележници са детаљима како да увезете унапред обучени модел са Хуггинг Фаце-а на овом линк .

Про врх

Хуггинг Фаце је вредна колекција великих скупова података и сложених модела који су бесплатни за употребу у оквиру пројеката дубоког учења. Такође можете да отпремите сопствене скупове података како би их други користили, а платформа је подешена за сарадњу између научника и програмера података широм света.

Успех! Показали смо како да увезете унапред обучени ПиТорцх модел помоћу библиотеке торцхвисион или из базе података Хуггинг Фаце користећи библиотеку трансформатора.

Закључак

Да би увезли унапред обучени модел у ПиТорцх, корисници могу или да користе торцхвисион библиотеку или из Хуггинг Фаце базе података на мрежи користећи библиотеку трансформатора у Гоогле Цолаб-у. Ови унапред обучени модели се користе да би се избегло трошење драгоценог времена и хардверских ресурса на обуку и прешли директно на тестирање нових података за веродостојне закључке. У овом блогу смо показали две методе за увоз унапред обучених модела у ПиТорцх.