In deze blog bespreken we twee methoden voor het importeren van een vooraf getraind model in PyTorch.
Hoe importeer ik een vooraf getraind model in PyTorch met behulp van Torchvision?
De ' fakkelvisie ”-bibliotheek kan worden gebruikt om vooraf getrainde modellen in PyTorch te importeren. Het is een onderverdeling van de primaire “ fakkel ”-bibliotheek en bevat de functionaliteit van eerder samengestelde datasets en getrainde modellen. Deze bibliotheek biedt gebruikers de mogelijkheid om modellen aan te roepen die zijn getraind op een grote dataset. Deze vooraf getrainde modellen kunnen worden toegepast op nieuwe gegevens en kunnen geldige conclusies opleveren zonder de noodzaak van lange en onbeheersbare trainingslussen.
Volg de onderstaande stappen om te leren hoe u een vooraf getraind model in PyTorch importeert met behulp van Torchvision:
Stap 1: Open Google Colab
Ga naar het Coöperatiecentrum website gemaakt door Google en start een “ Nieuw notitieboekje ” om het project te starten:
Stap 2: Importeer de benodigde bibliotheken
Zodra de Colab IDE is ingesteld, bestaat de eerste stap uit het installeren en importeren van de bibliotheken die nodig zijn voor het project:
importeren fakkel
importeren fakkelvisie
importeren fakkelvisie. modellen
De bovenstaande code werkt als volgt:
- De ' Pip ” pakketinstallatieprogramma voor Python wordt gebruikt om het “ fakkel ' bibliotheek.
- Vervolgens wordt de “ importeren De opdracht ” wordt gebruikt om de bibliotheek in het Colab-project te importeren.
- Dan de ' fakkelvisie ”-bibliotheek wordt in het project geïmporteerd. Deze bevat functionaliteit voor datasets en modellen.
- De ' fakkelvisie.model ” module bevat een assortiment voorgetrainde modellen zoals die van het Residual Neural Network “ ResNet ”:
Stap 3: Importeer een vooraf getraind model
Importeer een vooraf getraind model dat is opgeslagen in het pakket 'torchvision.models' met behulp van de onderstaande coderegel:
De bovenstaande coderegel werkt als volgt:
- Definieer een variabele en geef deze een geschikte naam ter referentie, zoals “Voorafgetraind model” .
- Gebruik de “torchvision.models” module om de “ ResNet ”-model.
- Voeg de “ serieus50 ”-model en stel de “ voorgetraind=Waar ” als argument:
Bekijk vervolgens het vooraf getrainde model als uitvoer met behulp van de “print()” -methode:
afdrukken ( Voorafgetraind model ) 
Opmerking : U kunt hier toegang krijgen tot ons Colab-notebook met details over de import van een vooraf getraind PyTorch-model met behulp van torchvision koppeling .
Hoe importeer ik een vooraf getraind PyTorch-model uit de Hugging Face-database?
Een andere methode om een vooraf getraind model te importeren is door het van het Hugging Face-platform te verkrijgen. Hugging Face is een van de populairste online databases voor vooraf getrainde modellen en grote datasets die beschikbaar zijn voor datawetenschappers en programmeurs.
Volg de onderstaande stappen om een vooraf getraind PyTorch-model uit de Hugging Face-gegevensset te importeren:
Stap 1: Start een Colab-notebook en installeer en importeer de vereiste bibliotheken
De eerste stap is het starten van een notebook in de Colab IDE en het installeren van bibliotheken met behulp van de “ Pip ” pakketinstallatieprogramma en importeer ze met behulp van de “ importeren ” commando:
! pip installeer transformatoren
importeren fakkel
importeren transformatoren
uit transformatoren importeren AutoModel
De volgende bibliotheken zijn nodig in dit project
- De ' fakkel ”-bibliotheek is de essentiële PyTorch-bibliotheek.
- De ' transformatoren ”bibliotheek bevat de functionaliteit van Hugging Face, de modellen en de datasets:
Stap 2: Importeer het model uit Knuffelgezicht
In dit voorbeeld is het model dat moet worden geïmporteerd uit de “ Knuffelend gezicht ”-database is hier beschikbaar koppeling . Gebruik de ' AutoModel.from_pretrained() ”-methode om een vooraf getraind model uit Hugging Face te importeren, zoals hieronder weergegeven:
vooraf_getraind_model = AutoModel. van_voorgetraind ( vooraf_getrainde_model_naam )
afdrukken ( vooraf_getraind_model )
De bovenstaande code werkt als volgt:
- Kopieer de modelnaam van de website op het Hugging Face-platform en wijs deze toe aan de “ vooraf_getrainde_model_naam 'variabele in Colab.
- Gebruik dan de “ AutoModel.from_pretrained() ”methode en voer de modelnaamvariabele in als argument.
- Gebruik ten slotte de 'afdrukken() ”-methode om het geïmporteerde model in de uitvoer weer te geven.
Een vooraf getraind model geïmporteerd uit Hugging Face toont de onderstaande uitvoer:
Opmerking : U kunt hier toegang krijgen tot ons Colab-notitieboekje met details over hoe u een vooraf getraind model van Hugging Face kunt importeren koppeling .
Pro-tip
Hugging Face is een waardevolle verzameling grote datasets en complexe modellen die door iedereen gratis kunnen worden gebruikt binnen deep learning-projecten. U kunt ook uw eigen datasets uploaden zodat anderen deze kunnen gebruiken en het platform is afgestemd op samenwerking tussen datawetenschappers en ontwikkelaars over de hele wereld.
Succes! We hebben laten zien hoe u een vooraf getraind PyTorch-model kunt importeren met behulp van de torchvision-bibliotheek of vanuit de Hugging Face-database met behulp van de transformers-bibliotheek.
Conclusie
Om een vooraf getraind model in PyTorch te importeren, kunnen gebruikers de torchvision-bibliotheek gebruiken of vanuit de online database Hugging Face met behulp van de transformersbibliotheek in Google Colab. Deze vooraf getrainde modellen worden gebruikt om te voorkomen dat er kostbare tijd en hardwarebronnen aan training worden besteed en om direct nieuwe gegevens te testen op geloofwaardige gevolgtrekkingen. In deze blog hebben we twee methoden laten zien voor het importeren van vooraf getrainde modellen in PyTorch.