Auto Models och tokenizers

Arbeta med Hugging Face

Jacob H. Marquez

Lead Data Engineer

Pipelines: snabba och enkla

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-klasser: flexibla och kraftfulla

Auto-klasser: Flexibel åtkomst till modeller och tokenizers
Mer kontroll över modellbeteende och utdata
Perfekt för avancerade uppgifter

Pipelines = snabba; Auto-klasser = flexibla

Tre skjutreglage med handtag och en hand som justerar ett av dem. Representerar mer kontroll.

AutoModels

Välj en AutoModel-klass för att ladda ned en modell direkt

from transformers import AutoModelForSequenceClassification


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

AutoTokenizers

Förbereder textindata
Rekommenderas att använda tokenizern kopplad till modellen

from transformers import AutoTokenizer


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

Tokenisera text med AutoTokenizer

Tokenizers rensar indata och delar upp text i 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', ':', ')']

Olika modeller, olika tokenizers

Vår modell (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', ':', ')']

Bygga en pipeline med Auto-klasser

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)

Användningsfall för AutoModels och AutoTokenizers

🔧 Använd för mer kontroll och anpassning
📝 Textförbehandling: Rensa och tokenisera för specifika användningsfall
🏆 Tröskling: Prioritera nyckelkategorier i klassificeringsuppgifter
🚀 Komplexa arbetsflöden: Styr flerstegsbearbetning och integrering

$$ Mer kontroll och anpassning

Nu kör vi en övning!

Arbeta med Hugging Face