利用擁抱臉部變形金剛的力量進行機器學習

近年來，Hugging Face [https://huggingface.co/] 已成為機器學習社群中最具影響力的平台之一，為開發者和研究人員提供了廣泛的工具和資源。其最著名的產品之一是 Transformers 庫，它可以更輕鬆地利用最先進的模型、資料集和應用程式。該庫使用戶能夠將預先訓練的模型無縫整合到他們的專案中並加速機器學習工作流程。

在本文中，我們將探索 Transformers 庫、如何安裝它，並展示一些使用管道執行情感分析、文本生成和零樣本分類等任務的實際用例。

什麼是抱臉變形金剛？

Transformers 庫 提供API 和工具來下載和訓練最先進的預訓練模型，這些模型針對各種任務進行了微調，包括自然語言處理(NLP)、電腦視覺和多式聯運應用。透過使用預訓練模型，您可以顯著降低計算成本、碳足跡以及從頭開始訓練模型所需的時間。這是加快開發週期並利用機器學習最新進展的好方法。

該函式庫支援 Python 3.6 ，並與 PyTorch、TensorFlow 和 Flax 等深度學習框架無縫學習框架無縫學習框架無縫學習框架。它允許您直接從 Hugging Face 模型中心下載模型，並只需幾行程式碼即可使用它們進行推理。

安裝指南

開始使用 Transformers 庫之前，必須設定您的開發環境。安裝方法如下：

1. 設定虛擬環境

先在專案目錄中建立一個虛擬環境：

python -m venv .myenv

啟動虛擬環境：

• 在 Linux/macOS 上：

  source .myenv/bin/activate

驗證您使用的 Python 版本是否正確：

python -V

確保您使用的是 Python 3.6（例如 Python 3.10.10）。

將 pip 升級到最新版本：

pip install --upgrade pip

2.安裝Transformers庫

現在您可以安裝變形金剛。如果您使用 PyTorch，請使用以下命令將其與庫一起安裝：

pip install 'transformers[torch]'

對於TensorFlow 2.0：

pip install 'transformers[tf-cpu]'

對於亞麻（用於研究環境）：

python -m venv .myenv

如果您使用的是 M Mac 或基於 ARM 的架構，您可能需要額外的依賴：

  source .myenv/bin/activate

一切設定完畢後，透過執行以下 Python 指令檢查安裝是否成功：

python -V

如果成功，您應該會看到類似以下的輸出：

pip install --upgrade pip

使用Pipeline API進行快速推理

Hugging Face Transformers 庫中的

pipeline API 讓您可以輕鬆執行複雜的機器學習任務，而無需深入研究底層程式碼或模型細節。此管道會自動為您處理預處理、模型推理和後處理。

讓我們看看如何透過管道 API 使用一些流行的任務。

1. 情緒分析

情緒分析涉及確定一段文本背後的情緒基調，例如它是正面的還是負面的。以下是如何使用管道 API 執行情緒分析：

pip install 'transformers[torch]'

輸出：

pip install 'transformers[tf-cpu]'

管道首先預處理文字（標記化），將其傳遞到模型，最後對結果進行後處理。在本例中，模型將輸入分類為

POSITIVE，得分為 0.999。

2. 文字生成

Transformers 也提供了一種使用預訓練語言模型（如

GPT-2）產生文字的簡單方法。以下是使用文字產生管道的範例：

pip install 'transformers[flax]'

輸出：

brew install cmake
brew install pkg-config

模型根據提示「我愛你」產生三種不同的文字變體。這對於生成創意內容或完成給定句子非常有用。

3. 零樣本分類

零樣本分類 是一項強大的功能，可讓您將文字分類，而無需在這些類別上明確訓練模型。例如，即使您尚未在特定資料集上訓練模型，您也可以將文字分類為預先定義標籤。

這是一個例子：

python -c "from transformers import pipeline; print(pipeline('sentiment-analysis')('we love you'))"

輸出：

[{'label': 'POSITIVE', 'score': 0.9998704791069031}]

模型顯示該文本最有可能被分類為

新聞，置信度得分為​​ 0.51。

您也可以使用圓餅圖視覺化結果，以便更好地了解分佈：

from transformers import pipeline

classifier = pipeline("sentiment-analysis", model="distilbert/distilbert-base-uncased-finetuned-sst-2-english")
res = classifier("I love you! I love you! I love you!")

print(res)

這將顯示一個圓餅圖，表示每個標籤的機率，幫助您視覺化模型如何解釋文字。

結論

Hugging Face 的 Transformers 庫提供了一種方便而強大的方式來訪問最先進的模型並將其用於各種機器學習任務。無論您是進行情感分析、文字生成還是零樣本分類，管道 API 都可以簡化將這些高級模型整合到您的專案中的流程。

透過簡單易懂的安裝說明和實際範例，您只需幾個步驟即可開始使用 Transformer。 Hugging Face 模型中心還提供了大量預訓練模型，讓您能夠快速實現機器學習的最新進展。

以上是利用擁抱臉部變形金剛的力量進行機器學習的詳細內容。更多資訊請關注PHP中文網其他相關文章！