Trong blog này, chúng ta sẽ tìm hiểu hai phương pháp về cách nhập mô hình được đào tạo trước vào PyTorch.
Làm cách nào để nhập Mô hình được đào tạo trước vào PyTorch bằng Torchvision?
Các ' tầm nhìn ngọn đuốc ” thư viện có thể được sử dụng để nhập các mô hình được đào tạo trước trong PyTorch. Nó là một phân khu của chính “ ngọn đuốc ” thư viện và chứa chức năng của các bộ dữ liệu được biên dịch trước đó và các mô hình được đào tạo. Thư viện này cung cấp cho người dùng khả năng gọi các mô hình đã được đào tạo trên một tập dữ liệu lớn. Các mô hình được đào tạo trước này có thể được áp dụng cho dữ liệu mới và có thể cung cấp các suy luận hợp lệ mà không cần các vòng đào tạo dài và khó quản lý.
Thực hiện theo các bước bên dưới để tìm hiểu cách nhập mô hình được đào tạo trước vào PyTorch bằng Torchvision:
Bước 1: Mở Google Colab
Đi đến Hợp tác xã trang mạng do Google tạo và bắt đầu một “ Sổ tay mới ” để bắt đầu dự án:
Bước 2: Nhập các thư viện cần thiết
Sau khi thiết lập Colab IDE, bước đầu tiên là cài đặt và nhập các thư viện cần thiết trong dự án:
nhập khẩu ngọn đuốc
nhập khẩu tầm nhìn ngọn đuốc
nhập khẩu torchvision. mô hình
Đoạn mã trên hoạt động như sau:
- Các ' pip ” gói cài đặt cho Python được sử dụng để cài đặt “ ngọn đuốc ' thư viện.
- Tiếp theo, “ nhập khẩu Lệnh ” dùng để nhập thư viện vào dự án Colab.
- Sau đó, “ tầm nhìn ngọn đuốc ” thư viện được nhập vào dự án. Điều này chứa chức năng cho bộ dữ liệu và mô hình.
- Các ' ngọn đuốc.model ” mô-đun chứa một loạt các mô hình được đào tạo trước, chẳng hạn như các mô hình của Mạng nơ-ron dư “ ResNet ”:
Bước 3: Nhập mô hình được đào tạo trước
Nhập mô hình được đào tạo trước được lưu trong gói “torchvision.models” bằng dòng mã bên dưới:
Dòng mã trên hoạt động như sau:
- Xác định một biến và đặt cho nó một tên phù hợp để tham khảo, chẳng hạn như “Pre_Trained_Model” .
- Sử dụng “ngọn đuốc.models” mô-đun để thêm “ ResNet ' người mẫu.
- Thêm “ nghiêm túc50 ” làm mẫu và thiết lập “ được đào tạo trước=Đúng ” như lập luận của nó:
Tiếp theo, xem mô hình được đào tạo trước dưới dạng đầu ra bằng phương thức “print()”:
in ( Pre_Trained_Model ) 
Ghi chú : Bạn có thể truy cập sổ tay Colab của chúng tôi để biết thông tin chi tiết về quá trình nhập mô hình PyTorch đã được đào tạo trước bằng cách sử dụng torchvision tại đây liên kết .
Làm cách nào để nhập Mô hình PyTorch được đào tạo trước từ Cơ sở dữ liệu Ôm khuôn mặt?
Một phương pháp khác để nhập mô hình được đào tạo trước là lấy mô hình đó từ nền tảng Ôm mặt. Ôm mặt là một trong những cơ sở dữ liệu trực tuyến phổ biến nhất dành cho các mô hình được đào tạo trước và các bộ dữ liệu lớn dành cho các nhà khoa học và lập trình viên dữ liệu.
Thực hiện theo các bước bên dưới để nhập mô hình PyTorch được đào tạo trước từ Bộ dữ liệu Ôm mặt:
Bước 1: Khởi chạy Colab Notebook, cài đặt và nhập các thư viện cần thiết
Bước đầu tiên là khởi chạy sổ ghi chép trong Colab IDE và cài đặt thư viện bằng lệnh “ pip ” gói cài đặt và nhập chúng bằng cách sử dụng “ nhập khẩu ' yêu cầu:
! pip cài đặt máy biến áp
nhập khẩu ngọn đuốc
nhập khẩu máy biến áp
từ máy biến áp nhập khẩu xe mô hình
Các thư viện sau đây cần thiết trong dự án này
- Các ' ngọn đuốc ” thư viện là thư viện PyTorch thiết yếu.
- Các ' máy biến áp ” thư viện chứa chức năng của Ôm Mặt, các mô hình và bộ dữ liệu của nó:
Bước 2: Nhập mô hình từ Ôm mặt
Trong ví dụ này, mô hình được nhập từ “ ôm mặt ” cơ sở dữ liệu có sẵn tại đây liên kết . Sử dụng ' AutoModel.from_pretrain() ” để nhập mô hình được đào tạo trước từ Ôm Mặt như dưới đây:
pre_train_model = AutoModel. from_pretrain ( pre_train_model_name )
in ( pre_train_model )
Đoạn mã trên hoạt động như sau:
- Sao chép tên mẫu từ trang web của hãng trên nền tảng Ôm Mặt và gán cho “ pre_train_model_name ” biến trong Colab.
- Sau đó, sử dụng “ AutoModel.from_pretrain() ” và nhập biến tên model làm đối số của nó.
- Cuối cùng, hãy sử dụng 'in() ” phương pháp để hiển thị mô hình đã nhập ở đầu ra.
Mô hình được đào tạo trước được nhập từ Ôm mặt sẽ hiển thị kết quả đầu ra bên dưới:
Ghi chú : Bạn có thể truy cập vào sổ tay Colab của chúng tôi để biết chi tiết cách nhập mô hình được đào tạo trước từ Ôm mặt tại đây liên kết .
Mẹo chuyên nghiệp
Ôm mặt là một bộ sưu tập có giá trị gồm các bộ dữ liệu lớn và các mô hình phức tạp được miễn phí cho tất cả mọi người sử dụng trong các dự án học sâu. Bạn cũng có thể tải lên bộ dữ liệu của riêng mình để người khác sử dụng và nền tảng này được điều chỉnh để cộng tác giữa các nhà khoa học và nhà phát triển dữ liệu trên toàn thế giới.
Thành công! Chúng tôi đã chỉ ra cách nhập mô hình PyTorch được đào tạo trước bằng cách sử dụng thư viện torchvision hoặc từ cơ sở dữ liệu Ôm mặt bằng thư viện máy biến áp.
Phần kết luận
Để nhập mô hình được đào tạo trước vào PyTorch, người dùng có thể sử dụng thư viện torchvision hoặc từ cơ sở dữ liệu trực tuyến Ôm mặt bằng thư viện máy biến áp trong Google Colab. Các mô hình được đào tạo trước này được sử dụng để tránh lãng phí thời gian và tài nguyên phần cứng quý giá trong quá trình đào tạo và trực tiếp kiểm tra dữ liệu mới để đưa ra những suy luận đáng tin cậy. Trong blog này, chúng tôi đã trình bày hai phương pháp để nhập các mô hình được đào tạo trước vào PyTorch.