Cú pháp:
Có rất nhiều dịch vụ mà Ôm Mặt cung cấp nhưng một trong những dịch vụ được sử dụng rộng rãi của nó là “API”. API cho phép tương tác giữa các mô hình ngôn ngữ lớn và AI được đào tạo trước với các ứng dụng khác nhau. Hugging Face cung cấp các API cho các mô hình khác nhau như được liệt kê trong phần sau:
- Mô hình tạo văn bản
- mô hình dịch thuật
- Các mô hình phân tích cảm xúc
- Các mô hình phát triển trợ lý ảo (chatbot thông minh)
- Phân loại và các mô hình hồi quy
Bây giờ chúng ta hãy khám phá phương pháp nhận API suy luận được cá nhân hóa của chúng ta từ Hugging Face. Để làm như vậy, trước tiên chúng ta phải bắt đầu bằng cách đăng ký trên trang web chính thức của Ôm mặt. Tham gia cộng đồng Ôm mặt này bằng cách đăng ký vào trang web này bằng thông tin đăng nhập của bạn.
Khi chúng tôi có tài khoản trên Hugging Face, bây giờ chúng tôi phải yêu cầu API suy luận. Để yêu cầu API, hãy chuyển đến cài đặt tài khoản và chọn “Mã thông báo truy cập”. Một cửa sổ mới sẽ mở ra. Chọn tùy chọn “Mã thông báo mới” và sau đó tạo mã thông báo bằng cách trước tiên cung cấp tên của mã thông báo và vai trò của nó là “WRITE”. Một mã thông báo mới được tạo. Bây giờ, chúng ta phải lưu mã thông báo này. Cho đến thời điểm này, chúng tôi có mã thông báo của mình từ Mặt ôm. Trong ví dụ tiếp theo, chúng ta sẽ xem cách chúng ta có thể sử dụng mã thông báo này để nhận API suy luận.
Ví dụ 1: Cách tạo nguyên mẫu với API suy luận khuôn mặt ôm
Cho đến nay, chúng tôi đã thảo luận về phương pháp bắt đầu với Hugging Face và chúng tôi đã khởi tạo mã thông báo từ Hugging Face. Ví dụ này cho thấy cách chúng ta có thể sử dụng mã thông báo mới được tạo này để nhận API suy luận cho một mô hình cụ thể (máy học) và đưa ra dự đoán thông qua mô hình đó. Từ trang chủ của Ôm mặt, chọn bất kỳ mô hình nào bạn muốn làm việc có liên quan đến vấn đề của bạn. Giả sử chúng ta muốn làm việc với mô hình phân loại văn bản hoặc phân tích tình cảm như được hiển thị trong đoạn trích sau đây về danh sách các mô hình này:
Chúng tôi chọn mô hình phân tích tình cảm từ mô hình này.
Sau khi chọn mô hình, thẻ mô hình của nó sẽ xuất hiện. Thẻ mô hình này chứa thông tin liên quan đến chi tiết đào tạo của mô hình và đặc điểm của mô hình. Mô hình của chúng tôi là roBERTa-base, được đào tạo trên 58 triệu tweet để phân tích tình cảm. Mô hình này có ba nhãn lớp chính và nó phân loại từng đầu vào thành các nhãn lớp liên quan của nó.
Sau khi chọn mô hình, nếu chúng ta chọn nút triển khai ở góc trên cùng bên phải của cửa sổ, nó sẽ mở ra một menu thả xuống. Từ menu này, chúng ta cần chọn tùy chọn “API suy luận”.
API suy luận sau đó cung cấp giải thích toàn bộ về cách sử dụng mô hình cụ thể này với suy luận này và cho phép chúng tôi nhanh chóng tạo nguyên mẫu cho mô hình AI. Cửa sổ API suy luận hiển thị mã được viết bằng tập lệnh của Python.
Chúng tôi sao chép mã này và thực thi mã này trong bất kỳ IDE nào của Python. Chúng tôi sử dụng Google Colab cho việc này. Sau khi thực thi mã này trong trình bao Python, nó sẽ trả về một đầu ra đi kèm với điểm số và dự đoán nhãn. Nhãn và điểm số này được cung cấp theo thông tin đầu vào của chúng tôi vì chúng tôi đã chọn mô hình “phân tích tình cảm văn bản”. Sau đó, đầu vào mà chúng tôi cung cấp cho mô hình là một câu khẳng định và mô hình đã được đào tạo trước trên ba lớp nhãn: nhãn 0 ngụ ý phủ định, nhãn 1 ngụ ý trung lập và nhãn 2 được đặt thành dương. Vì đầu vào của chúng tôi là một câu khẳng định nên dự đoán điểm số từ mô hình nhiều hơn hai nhãn còn lại, điều đó có nghĩa là mô hình đã dự đoán câu đó là “câu khẳng định”.
nhập khẩu yêu cầuAPI_URL = 'https://api-inference.huggingface.co/models/cardiffnlp/twitter-roberta-base-sentiment'
tiêu đề = { 'Ủy quyền' : 'Người mang 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' }
chắc chắn truy vấn ( khối hàng ) :
phản ứng = yêu cầu. bưu kiện ( API_URL , tiêu đề = tiêu đề , json = khối hàng )
trở lại phản ứng. json ( )
đầu ra = truy vấn ( {
'đầu vào' : 'Tôi cảm thấy tốt khi bạn ở bên tôi' ,
} )
Đầu ra:
Ví dụ 2: Mô hình tóm tắt thông qua suy luận
Chúng tôi làm theo các bước tương tự như trong ví dụ trước và tạo nguyên mẫu xe buýt mô hình tóm tắt bằng cách sử dụng API suy luận của nó từ Hugging Face. Mô hình tóm tắt là một mô hình được đào tạo trước để tóm tắt toàn bộ văn bản mà chúng tôi cung cấp cho nó làm đầu vào. Truy cập tài khoản Hugging Face, nhấp vào mô hình từ thanh menu trên cùng, sau đó chọn mô hình có liên quan đến phần tóm tắt, chọn mô hình đó và đọc kỹ thẻ mô hình của mô hình đó.
Mô hình mà chúng tôi đã chọn là mô hình BART được đào tạo trước và nó được tinh chỉnh phù hợp với bộ dữ liệu CNN dail mail. BART là mô hình tương tự như mô hình BERT có bộ mã hóa và giải mã. Mô hình này có hiệu quả khi nó được điều chỉnh tốt cho các nhiệm vụ hiểu, tóm tắt, dịch thuật và tạo văn bản.
Sau đó, chọn nút “triển khai” từ góc trên cùng bên phải và chọn API suy luận từ menu thả xuống. API suy luận mở ra một cửa sổ khác chứa mã và hướng dẫn sử dụng mô hình này với suy luận này.
Sao chép mã này và thực thi nó trong trình bao Python.
Mô hình trả về đầu ra là bản tóm tắt của đầu vào mà chúng tôi đã cung cấp cho nó.
Phần kết luận
Chúng tôi đã làm việc trên API suy luận khuôn mặt ôm và tìm hiểu cách chúng tôi có thể sử dụng giao diện có thể lập trình của ứng dụng này để làm việc với các mô hình ngôn ngữ được đào tạo trước. Hai ví dụ mà chúng tôi đã làm trong bài viết chủ yếu dựa trên các mô hình NLP. Hugging Face API có thể hoạt động hiệu quả nếu chúng ta muốn phát triển một nguyên mẫu nhanh bằng cách cung cấp khả năng tích hợp nhanh các mô hình AI vào các ứng dụng của mình. Tóm lại, Ôm mặt có giải pháp cho mọi vấn đề của bạn, từ học tăng cường đến thị giác máy tính.