Navigation dans les modèles Hugging Face

Modèles multimodaux avec Hugging Face

James Chapman

Curriculum Manager, DataCamp

Faites connaissance avec votre instructeur…

Sean Benson

Ancien physicien des particules au Grand collisionneur de hadrons (LHC) au CERN, en Suisse
Maintenant chercheur en IA appliquée au Amsterdam University Medical Center

Photo de Sean Benson.

Modalités couvertes

Exemples d'applications texte, image, audio et vidéo.

¹ Crédits image : généré par OpenAI

Hugging Face

Capture d'écran d'une page de modèle Hugging Face affichant la carte du modèle

1 M+ modèles
250 k+ ensembles de données

L'API du Hub

Accédez aux modèles et jeux de données par programmation

pip install huggingface_hub[cli]

Ouvrez une session pour accéder aux modèles de votre compte :

>>> huggingface-cli login

Toutes les bibliothèques, les modèles et les ensembles de données seront préinstallés

Recherche de modèles

Hugging Face API : accès programmatique aux modèles et ensembles de données

from huggingface_hub import HfApi
api = HfApi()

models = api.list_models()

task : "image-classification", "text-to-image", etc.
sort : p. ex. "likes" ou "downloads"
limit : nombre maximal d'entrées
tags : infos supplémentaires associées au modèle

Recherche de modèles

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', ...

Utiliser des modèles via l'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)

Tâches offertes

Documenté sur une page Web
Aussi offert en 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

Passons à la pratique !

Modèles multimodaux avec Hugging Face