Sintaks:
Terdapat pelbagai perkhidmatan yang disediakan oleh Hugging Face tetapi salah satu perkhidmatan yang digunakan secara meluas ialah 'API'. API membenarkan interaksi AI terlatih dan model bahasa besar kepada aplikasi yang berbeza. Muka Pelukan menyediakan API untuk model yang berbeza seperti yang disenaraikan dalam yang berikut:
- Model penjanaan teks
- Model terjemahan
- Model untuk analisis sentimen
- Model untuk pembangunan ejen maya (chatbot pintar)
- Klasifikasi dan model regresi
Sekarang mari kita temui kaedah untuk mendapatkan API inferens diperibadikan kami daripada Wajah Memeluk. Untuk berbuat demikian, kita perlu mulakan dengan mendaftarkan diri kita di laman web rasmi Hugging Face. Sertai komuniti Memeluk Wajah ini dengan mendaftar ke tapak web ini dengan bukti kelayakan anda.
Sebaik sahaja kami mendapat akaun di Hugging Face, kami kini perlu meminta API inferens. Untuk meminta API, pergi ke tetapan akaun dan pilih 'Token Akses'. Tetingkap baharu akan dibuka. Pilih pilihan 'Token Baharu' dan kemudian jana token dengan terlebih dahulu memberikan nama token dan peranannya sebagai 'TULIS'. Token baharu dihasilkan. Sekarang, kita mesti simpan token ini. Sehingga ketika ini, kami mempunyai token kami dari Wajah Memeluk. Dalam contoh seterusnya, kita akan melihat bagaimana kita boleh menggunakan token ini untuk mendapatkan API inferens.
Contoh 1: Cara Membuat Prototaip dengan API Inferens Wajah Memeluk
Setakat ini, kami membincangkan kaedah bagaimana untuk bermula dengan Memeluk Wajah dan kami memulakan token daripada Memeluk Wajah. Contoh ini menunjukkan cara kita boleh menggunakan token yang baru dijana ini untuk mendapatkan API inferens bagi model tertentu (pembelajaran mesin) dan membuat ramalan melaluinya. Dari halaman utama Hugging Face pilih mana-mana model yang anda ingin bekerjasama yang berkaitan dengan masalah anda. Katakan kita mahu bekerja dengan klasifikasi teks atau model analisis sentimen seperti yang ditunjukkan dalam coretan senarai model berikut:
Kami memilih model analisis sentimen daripada model ini.
Selepas memilih model, kad modelnya akan muncul. Kad model ini mengandungi maklumat mengenai butiran latihan model dan ciri-ciri model tersebut. Model kami adalah roBERTa-base yang dilatih pada tweet 58M untuk analisis sentimen. Model ini mempunyai tiga label kelas utama dan ia mengkategorikan setiap input ke dalam label kelas yang berkaitan.
Selepas pemilihan model, jika kita memilih butang penempatan yang terdapat di penjuru kanan sebelah atas tetingkap, ia membuka menu lungsur turun. Daripada menu ini, kita perlu memilih pilihan 'Inferens API'.
API inferens kemudiannya memberikan penjelasan lengkap tentang cara menggunakan model khusus ini dengan inferens ini dan membolehkan kami membuat prototaip untuk model AI dengan cepat. Tetingkap API inferens memaparkan kod yang ditulis dalam skrip Python.
Kami menyalin kod ini dan melaksanakan kod ini dalam mana-mana IDE Python. Kami menggunakan Google Colab untuk ini. Selepas melaksanakan kod ini dalam shell Python, ia mengembalikan output yang disertakan dengan skor dan ramalan label. Label dan skor ini diberikan mengikut input kami kerana kami memilih model 'analisis sentimen teks'. Kemudian, input yang kami berikan kepada model ialah ayat positif dan model itu telah dilatih terlebih dahulu pada tiga kelas label: label 0 membayangkan negatif, label1 membayangkan neutral dan label 2 ditetapkan kepada positif. Memandangkan input kami ialah ayat positif, ramalan skor daripada model adalah lebih daripada dua label lain yang bermaksud model tersebut meramalkan ayat itu sebagai 'positif'.
import permintaanAPI_URL = 'https://api-inference.huggingface.co/models/cardiffnlp/twitter-roberta-base-sentiment'
tajuk = { 'Kebenaran' : 'Pembawa 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' }
def pertanyaan ( muatan ) :
tindak balas = permintaan. jawatan ( API_URL , tajuk = tajuk , json = muatan )
kembali tindak balas. json ( )
pengeluaran = pertanyaan ( {
'input' : 'Saya berasa baik apabila anda bersama saya' ,
} )
Pengeluaran:
Contoh 2: Model Rumusan melalui Inferens
Kami mengikuti langkah yang sama seperti yang ditunjukkan dalam contoh sebelumnya dan membuat prototaip bas model ringkasan menggunakan API inferens daripada Muka Memeluk. Model ringkasan ialah model pra-latihan yang meringkaskan keseluruhan teks yang kami berikan kepadanya sebagai inputnya. Pergi ke akaun Memeluk Wajah, klik pada model dari bar menu atas, dan kemudian pilih model yang berkaitan dengan ringkasan, pilihnya dan baca kad modelnya dengan teliti.
Model yang kami pilih ialah model BART yang telah dilatih dan ia disesuaikan dengan set data surat harian CNN. BART ialah model yang paling serupa dengan model BERT yang mempunyai pengekod dan penyahkod. Model ini berkesan apabila ia diperhalusi untuk tugas pemahaman, ringkasan, terjemahan dan penjanaan teks.
Kemudian, pilih butang 'pengerahan' dari penjuru kanan sebelah atas dan pilih API inferens daripada menu lungsur. API inferens membuka tetingkap lain yang mengandungi kod dan arahan untuk menggunakan model ini dengan inferens ini.
Salin kod ini dan laksanakan dalam shell Python.
Model mengembalikan output yang merupakan ringkasan input yang kami berikan kepadanya.
Kesimpulan
Kami mengusahakan API Inferens Wajah Memeluk dan mempelajari cara kami boleh menggunakan antara muka boleh atur cara aplikasi ini untuk bekerja dengan model bahasa yang telah dilatih. Dua contoh yang kami lakukan dalam artikel adalah berdasarkan model NLP. API Wajah Memeluk boleh berfungsi dengan baik jika kami ingin membangunkan prototaip pantas dengan menyediakan penyepaduan pantas model AI ke dalam aplikasi kami. Pendek kata, Hugging Face mempunyai penyelesaian kepada semua masalah anda daripada pembelajaran pengukuhan kepada penglihatan komputer.