AutoModels en Tokenizers

Werken met Hugging Face

Jacob H. Marquez

Lead Data Engineer

Pipelines: snel en simpel

from transformers import pipeline  

my_pipeline = pipeline(
    "text-classification",
    model="distilbert-base-uncased-finetuned-sst-2-english"))

print(my_pipeline("Wi-Fi is slower than a snail today!"))

[{'label': 'NEGATIVE', 'score': 0.99}]

Auto-classes: flexibel en krachtig

Auto-classes: Flexibele toegang tot modellen en tokenizers
Meer controle over modelgedrag en outputs
Perfect voor geavanceerde taken

Pipelines = snel; Auto-classes = flexibel

Drie schuifregelaars met toggles en een hand die er een aanpast. Staat voor meer controle.

AutoModels

Kies een AutoModel-klasse om direct een model te downloaden

from transformers import AutoModelForSequenceClassification


# Download a pre-trained text classification model
model = AutoModelForSequenceClassification.from_pretrained(
    "distilbert-base-uncased-finetuned-sst-2-english"
)

AutoTokenizers

Bereid tekstinvoer voor
Gebruik bij voorkeur de tokenizer die bij het model hoort

from transformers import AutoTokenizer


# Retrieve the tokenizer paired with the model
tokenizer = AutoTokenizer.from_pretrained(
    "distilbert-base-uncased-finetuned-sst-2-english"
)

Tekst tokenizen met AutoTokenizer

Tokenizers schonen invoer en splitsen tekst in tokens

tokenizer = AutoTokenizer.from_pretrained("distilbert-base-uncased")


# Tokenize input text
tokens = tokenizer.tokenize("AI: Helping robots think and humans overthink:)")
print(tokens)

['ai', ':', 'helping', 'robots', 'think', 'and', 
 'humans', 'over', '##thi', '##nk', ':', ')']

Andere modellen, andere tokenizers

Ons model (distilbert-base-uncased):

['ai', ':', 'helping', 'robots', 'think', 'and', 'humans', 'over', '##thi',
'##nk', ':', ')']

BERT-Base-Cased Tokenizer:

['AI', ':', 'Help', '##ing', 'robots', 'think', 'and', 'humans', 'over',
'##thin', '##k', ':', ')']

Een pipeline bouwen met Auto-classes

from transformers import AutoModelForSequenceClassification,
AutoTokenizer, pipeline


# Download the model and tokenizer
my_model = AutoModelForSequenceClassification.from_pretrained(
  "distilbert-base-uncased-finetuned-sst-2-english")
my_tokenizer = AutoTokenizer.from_pretrained(
  "distilbert-base-uncased-finetuned-sst-2-english")


# Create the custom pipeline
my_pipeline = pipeline(
  task="sentiment-analysis", model=my_model, tokenizer=my_tokenizer)

Use-cases voor AutoModels en AutoTokenizers

🔧 Gebruik voor meer controle en maatwerk
📝 Tekstvoorbewerking: Schoon en tokenize voor je use case
🏆 Thresholding: Prioriteer hoofdklassen bij classificatie
🚀 Complexe workflows: Stuur meerstapsverwerking en integratie

$$ Meer controle en maatwerk

Laten we oefenen!

Werken met Hugging Face