هر آنچه که باید در مورد هاب مدل صورت در آغوش گرفته و انجمن بدانید
تصویر توسط ویرایشگر | ایدئوگرام
Hugging Face کمک قابل توجهی به پیشرفت فناوری کاربردی یادگیری ماشین، به ویژه در زمینه NLP کرده است. آنها می توانند سهم زیادی داشته باشند زیرا Hugging Face بر ایجاد پلتفرمی برای جامعه برای دسترسی آسان به مدل ها، ابزارها و مجموعه داده ها برای عموم تمرکز می کند. به همین دلیل است که Hugging Face به مکانی برای مشارکت و نمایش بسیاری از کارهای یادگیری ماشین تبدیل شده است.
از آنجایی که پلتفرم Hugging Face برای پیشرفت‌های فناوری در جهان ضروری است، باید بیشتر در مورد پلت فرم Hugging Face Hub بدانیم. این مقاله بیشتر بر روی Model Hub و انجمن تمرکز خواهد کرد، جایی که بیشتر کارها در آنجا اتفاق می‌افتد.
بیایید به آن بپریم.
به طور کلی پلتفرم Hugging Face Hub
همانطور که در بالا ذکر شد، Hugging Face شرکتی است که با ساختن پلتفرمی که امکان دسترسی آسان برای اشتراک‌گذاری و مشارکت در جامعه را بر روی توسعه یادگیری ماشین متمرکز می‌کند. این پلتفرم Hugging Face Hub نام دارد.
Hugging Face Hub پلتفرمی است که میزبان مدل‌ها، مجموعه داده‌ها و برنامه‌های در دسترس عمومی و منبع باز است. انجمن می تواند به راحتی به همه چیز در هاب به صورت جداگانه یا با همکاری دسترسی داشته باشد. ساختار هاب در زیر نشان داده شده است.
ساختار توپی صورت در آغوش کشیده
بیایید نحوه عملکرد Hugging Face Model Hub را بررسی کنیم.
Hugging Face Model Hub
مدل Hugging Face Hub جایی است که مدل برای کارهای مختلف یادگیری ماشینی مانند طبقه‌بندی تصویر، پاسخ به سؤال، تبدیل متن به گفتار و بسیاری موارد دیگر میزبانی می‌شود. جامعه می تواند از مرکز مدل برای به اشتراک گذاشتن و کشف هر مدل ارزشمند برای وظایف پایین دستی استفاده کند.
بیایید عناصر کلیدی مدل هاب را تجزیه کنیم.
مخزن مدل
اولین چیزی که ما بررسی می کنیم مخزن مدل است. مخزن مدل شبیه به مخزن GitHub است که در آن کاربران می توانند مدل ها را آپلود کرده و با عموم به اشتراک بگذارند. نمونه ای از مخزن Model را در تصویر زیر مشاهده می کنید.
نمونه مخزن مدل
هر مخزن می تواند مدل هایی را که ما برای کارهای خاص آموزش داده ایم ذخیره کند. کاربران می توانند مدل را در قالب هایی مانند PyTorch، TensorFlow یا JAX آپلود کنند. بیایید یکی از مخازن را انتخاب کنیم و ببینیم داخل آن چیست.
مخزن Mistral-Nemo-Instruct-2407
تصویر بالا مخزن این است Mistral-Nemo-Instruct-2407 مدل از پیش آموزش دیده این شامل بسیاری از اطلاعات، از جمله کارت مدل، فایل ها و نسخه ها، و انجمن است. بیایید برای هر یک درک کنیم.
کارت مدل حاوی اطلاعات جامعی در مورد مدل است. می‌توانید آن را با اطلاعاتی از جمله معماری مدل، داده‌های آموزشی، دستورالعمل‌های استفاده و عملکرد مدل پر کنید.
این مخزن همچنین از ذخیره سازی فایل، از جمله پیکربندی و وزن مدل پشتیبانی می کند. دارای کنترل نسخه برای مدل است که به کاربر اجازه می دهد هر بار که آن را به روز می کنیم هر تغییری را ردیابی کند و در صورت لزوم به نسخه قدیمی تر برگرداند.
در هر مخزن، می توانید یک موضوع بحث و درخواست جدید برای همکاری با انجمن ایجاد کنید. اگر با آن آشنایی دارید، این ویژگی مشابه مخزن GitHub است.
در نهایت، مخزن مدل دارای اطلاعات آماری دانلود شده، الگوی کد آموزشی، الگوی کد استقرار و API استنتاجی برای آزمایش مدل است. علاوه بر این، اطلاعاتی وجود دارد که در آن فضای Hugging Face از مدل استفاده می کند.
جستجوی مرکز مدل
با وجود مخازن بسیار زیاد در Hugging Face Model Hub، اگر به صورت تصادفی آنها را به صورت جداگانه انتخاب کنیم، پیدا کردن مدل های مورد نیاز دشوار است. به همین دلیل یک نوار جستجو وجود دارد.
جستجوی هاب مدل صورت در آغوش
می‌توانید مدل را با استفاده از کلمات کلیدی مرتبط با نیازهای خود، مانند وظایف یادگیری ماشین یا چارچوب مدل جستجو کنید. در حالت ایده آل، هر مخزن با توضیحات مرتبط برچسب گذاری می شود، مانند وظایف، چارچوب، مجموعه داده های مورد استفاده و غیره. اگر مخزن به درستی برچسب گذاری شده باشد، می توانید با انتخاب برگه ها (وظایف، کتابخانه ها، مجموعه داده ها، زبان ها، مجوزها) از آن برای فیلتر کردن استفاده کنید. ، دیگر).
برای جستجوی گسترده تر، می توانید از جستجوی متن کامل استفاده کنید.
جستجوی متن کامل صورت در آغوش کشیده
می توانید با استفاده از جستجوی متن کامل به دنبال مخازن مدل حاوی متنی که وارد می کنید بگردید.
یکپارچه سازی هاب مدل
هنگامی که مدلی را که می خواهید در Hugging Face Model Hub انتخاب کنید، می توانید تمام فایل ها را به صورت دستی دانلود کنید یا ما می توانیم از huggingface_hub کتابخانه برای تعامل با مخزن. بیایید آنها را امتحان کنیم.
ابتدا باید کتابخانه را نصب کنیم.
|
پیپ نصب کنید huggingface_hub |
در مرحله بعد، باید رمز دسترسی کاربر را از صفحه تنظیمات خود دریافت کنید.
|
از huggingface_hub واردات ورود به سیستم ورود به سیستم(“USER_ACCESS_TOKEN”) |
پس از تنظیم آن، می توانیم با مخازن Model Hub تعامل داشته باشیم. به عنوان مثال، من سعی می کنم یک فایل را از مدل مخازن دانلود کنم.
|
از huggingface_hub واردات hf_hub_download hf_hub_download(repo_id=“Groq/Llama-3-Groq-70B-Tool-Use”، نام فایل=“config.json”) |
همچنین امکان دانلود یک فایل خاص با یک نسخه خاص وجود دارد.
|
از huggingface_hub واردات hf_hub_download hf_hub_download(repo_id=“Groq/Llama-3-Groq-70B-Tool-Use”، نام فایل=“config.json”، نسخه = “80ef0bf2502c651f45a93fceea7376899f284872”) |
همچنین می توانید مخزن مدل خود را ایجاد کرده و فایل های خود را آپلود کنید، مانند فایل های پیکربندی یا Model.
|
از huggingface_hub واردات HfApi api = HfApi() api.create_repo(repo_id=“مدل_من”) |
سپس با استفاده از کد زیر می توانیم فایل ها را در مخازن شما آپلود کنیم:
|
api.upload_file( path_or_fileobj=“path/to/your/file/README.md”، path_in_repo=“README.md”، repo_id=“cornelliusyudhawijaya/my_model”) |
برای استفاده بیشتر از مدل از Model Hub، می‌توانید این را بررسی کنید ترانسفورماتورها مستندات از Hugging Face.
این همه اصول اولیه مدل Hub است. بیایید به انجمن صورت در آغوش بکشیم.
انجمن صورت در آغوش گرفتن
من انجمنی را در مخزن مدل ذکر کرده‌ام که می‌توانید در مورد مدل بحث کنید و یک درخواست کشش ایجاد کنید. با این حال، جامعه Hugging Face فراتر از این است. اگر به منوی کشویی در وب سایت Hugging Face نگاه کنید، شامل بسیاری از صفحات انجمن مشابه تصویر زیر است.
صفحات انجمن در آغوش گرفتن صورت
بیایید سعی کنیم آنها را تجزیه کنیم تا بهتر بفهمیم.
مقالات وبلاگ انجمن صورت در آغوش گرفتن
این نام به خودی خود توضیحی است، زیرا بخش مقالات وبلاگ انجمن حاوی پست وبلاگ و مقالات منتشر شده از انجمن به انجمن است. شما می توانید مقاله خود را ایجاد کنید، اما باید در اشتراک Hugging Face Pro مشترک شوید.
مقالات وبلاگ انجمن صورت در آغوش گرفتن
شما می توانید بسیاری از وبلاگ ها و مقالات را در اینجا بخوانید و آنها را با برچسب فیلتر کنید. سعی کنید آنها را کشف کنید، زیرا می توانید از وبلاگ ها و مقالات جامعه چیزهای زیادی بیاموزید.
آموزش جامعه صورت در آغوش گرفتن
در مورد یادگیری، Hugging Face همچنین موضوعات مختلفی مانند NLP، Computer Vision و بسیاری موارد دیگر را در اختیار جامعه قرار می دهد.
آموزش جامعه صورت در آغوش گرفتن
هر دوره بدون محدودیت زمانی به صورت خودآموز است و همیشه می توانید به هر شکلی که می خواهید دوباره از آن بازدید کنید. نمونه دوره در تصویر زیر آمده است.
سعی کنید از این پلت فرم به عنوان مواد آموزشی استفاده کنید، زیرا برای آینده شغلی شما مفید خواهد بود.
انجمن انجمن صورت در آغوش گرفتن
اگر اهل بحث‌های قدیمی هستید، می‌توانید به انجمن چهره در آغوش بپیوندید. در این انجمن می توانید موضوع ایجاد کنید و به سوالات جامعه پاسخ دهید. انجمن مشابه تصویر زیر است.
انجمن انجمن صورت در آغوش گرفتن
همچنین می توانید دسته بندی ها را متناسب با نیاز خود فیلتر کنید. اگر به پاسخ‌های دقیق‌تری نیاز دارید، انجمن مکانی عالی برای گفتگو با جامعه است.
در آغوش گرفتن صورت اختلاف جامعه
اگر چت مستقیم مستقیم را ترجیح می دهید، می توانید این کار را از طریق Hugging Face Community Discord انجام دهید. پس از پذیرش دعوت کنید، به انجمن Discord هدایت خواهید شد.
در آغوش گرفتن صورت اختلاف جامعه
شما باید از چهار کانال شروع مختلف بازدید کنید و نام کاربری خود را با استفاده از نشانه دسترسی کاربر Hugging Face که قبلا ایجاد کرده اید تأیید کنید. سپس به پیام خصوصی LevelBot بروید و با استفاده از دستور زیر با ربات چت کنید.
پس از تأیید، پیام را دریافت خواهید کرد و در کاوش جامعه آزاد خواهید بود.
انجمن چهره در آغوش گیت هاب
Hugging Face اغلب GitHub of Machine Learning نامیده می شود، اما همچنان میزبان بسیاری از کتابخانه ها، ابزارهای کمکی، مواد آموزشی و سایر منابع خود در مخازن GitHub
انجمن چهره در آغوش گیت هاب
تا زمان نگارش این مقاله، حدود 235 مخزن وجود دارد که می توانید آنها را کاوش کرده و با جامعه گفتگو کنید. شما همچنین می توانید به پروژه منبع باز میزبانی شده در Hugging Face GitHub کمک کنید.
نتیجه گیری
Hugging Face یک پلت فرم مهم برای توسعه یادگیری ماشینی است. این امکان را به جامعه می دهد تا به راحتی به مدل ها، مجموعه داده ها، برنامه ها و موارد دیگر به شیوه ای منبع باز دسترسی داشته باشد.
این مقاله بر کاوش در مرکز مدل چهره در آغوش گرفته و انجمن تمرکز دارد. این دو ویژگی چهره در آغوش گرفتن را شهرت می بخشد و شما باید در مورد آنها نیز بدانید.
