Auto Models i Tokenizery

Praca z Hugging Face

Jacob H. Marquez

Lead Data Engineer

Potoki: szybko i prosto

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}]

Klasy Auto: elastyczne i wydajne

Klasy Auto: elastyczny dostęp do modeli i tokenizerów
Większa kontrola nad zachowaniem i wynikami modelu
Idealne do zaawansowanych zadań

Potoki = szybkość; klasy Auto = elastyczność

Trzy suwaki z przełącznikami i dłoń regulująca jeden z nich. Symbol większej kontroli.

AutoModels

Wybierz klasę AutoModel, aby bezpośrednio pobrać model

from transformers import AutoModelForSequenceClassification


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

AutoTokenizers

Przygotowuje dane tekstowe
Zalecane użycie tokenizera sparowanego z modelem

from transformers import AutoTokenizer


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

Tokenizacja tekstu z AutoTokenizer

Tokenizery czyszczą dane wejściowe i dzielą tekst na tokeny

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', ':', ')']

Różne modele, różne tokenizery

Nasz model (distilbert-base-uncased):

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

Tokenizer BERT-Base-Cased:

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

Budowanie potoku z klasami Auto

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)

Zastosowania AutoModels i AutoTokenizers

🔧 Stosuj, gdy potrzeba większej kontroli i personalizacji
📝 Przetwarzanie wstępne tekstu: Czyszczenie i tokenizacja dla konkretnych przypadków
🏆 Progowanie: Priorytetyzacja kluczowych kategorii w klasyfikacji
🚀 Złożone przepływy pracy: Kontrola przetwarzania wieloetapowego i integracji

$$ Większa kontrola i personalizacja

Czas na ćwiczenia!

Praca z Hugging Face