Nawigacja po modelach Hugging Face

Modele multimodalne z Hugging Face

James Chapman

Curriculum Manager, DataCamp

Poznaj swojego instruktora...

 

Sean Benson
  • Były fizyk cząstek elementarnych w Wielkim Zderzaczu Hadronów (LHC) w CERN, Szwajcaria
  • Obecnie stosowany badacz AI w Amsterdamskim Uniwersyteckim Centrum Medycznym

Zdjęcie Seana Bensona.

Modele multimodalne z Hugging Face

Omawiane modalności

Przykłady zastosowań tekstu, obrazu, dźwięku i wideo.

1 Image Credits: OpenAI generated
Modele multimodalne z Hugging Face

Hugging Face

Zrzut ekranu strony modelu Hugging Face z informacjami o karcie modelu

  • Ponad 1M modeli
  • Ponad 250k zbiorów danych
Modele multimodalne z Hugging Face

Hub API

  • Programmatyczny dostęp do modeli i zbiorów danych
pip install huggingface_hub[cli]

Zaloguj się, aby uzyskać dostęp do modeli ze swojego konta:

>>> huggingface-cli login
  • Wszystkie biblioteki, modele i zbiory danych będą wstępnie zainstalowane
Modele multimodalne z Hugging Face

Wyszukiwanie modeli

  • Hugging Face API: programmatyczny dostęp do modeli i zbiorów danych
from huggingface_hub import HfApi
api = HfApi()

models = api.list_models()
  • task: "image-classification", "text-to-image" itd.
  • sort: np. "likes" lub "downloads"
  • limit: Maksymalna liczba wyników
  • tags: Dodatkowe informacje o modelu
Modele multimodalne z Hugging Face

Wyszukiwanie modeli

models = api.list_models(

task="text-to-image",
author="CompVis",
tags="diffusers:StableDiffusionPipeline",
sort="downloads"
)
top_model = list(models)[0]
print(top_model)
ModelInfo(id='CompVis/stable-diffusion-v1-4', private=False, downloads=1097285, 
          likes=6718, library_name='diffusers', ...
Modele multimodalne z Hugging Face

Korzystanie z modeli przez API

top_model_id = top_model.id
print(top_model_id)
CompVis/stable-diffusion-v1-4
from diffusers import StableDiffusionPipeline
pipe = StableDiffusionPipeline.from_pretrained(top_model_id)
Modele multimodalne z Hugging Face

Dostępne zadania

  • Dokumentacja dostępna na stronie

  • Dostępna również w formacie JSON: https://huggingface.co/api/tasks

import json
from urllib.request import urlopen
url = "https://huggingface.co/api/tasks"

with urlopen(url) as url:
    tasks = json.load(url)
print(tasks.keys())
dict_keys(['any-to-any',
'audio-classification',
'audio-to-audio', ...'])
1 https://huggingface.co/tasks 2 https://huggingface.co/api/tasks
Modele multimodalne z Hugging Face

Czas na ćwiczenia!

Modele multimodalne z Hugging Face

Preparing Video For Download...