Bagaimana Cara Mengimpor Model Terlatih di PyTorch?

Model Pembelajaran Mesin di PyTorch bisa sangat kompleks dan mendetail dengan jutaan baris dan terabyte data. Semakin besar dan beragam kumpulan data yang digunakan dalam pelatihan, semakin baik kesimpulan modelnya. Sangat penting untuk dapat menggunakan model yang telah dilatih sebelumnya untuk menarik kesimpulan dari data baru karena hal ini dapat menghemat sumber daya dan menggunakan model yang sama yang dibuat dengan cermat.

Di blog ini, kita akan membahas dua metode tentang cara mengimpor model terlatih di PyTorch.

Bagaimana Cara Mengimpor Model Terlatih di PyTorch Menggunakan Torchvision?

“ visi obor ” Pustaka dapat digunakan untuk mengimpor model terlatih di PyTorch. Ini adalah subdivisi dari “ obor ” perpustakaan dan berisi fungsionalitas kumpulan data yang dikompilasi sebelumnya dan model terlatih. Pustaka ini memberi pengguna kemampuan untuk memanggil model yang telah dilatih pada kumpulan data besar. Model yang telah dilatih sebelumnya ini dapat diterapkan pada data baru dan dapat memberikan kesimpulan yang valid tanpa memerlukan loop pelatihan yang panjang dan tidak dapat dikelola.

Ikuti langkah-langkah yang diberikan di bawah ini untuk mempelajari cara mengimpor model terlatih di PyTorch menggunakan Torchvision:

Langkah 1: Buka Google Colab
Pergi ke Kolaborasi situs web dibuat oleh Google dan memulai “ Buku Catatan Baru ” untuk memulai proyek:

Langkah 2: Impor Perpustakaan yang Diperlukan
Setelah Colab IDE disiapkan, langkah pertama adalah menginstal dan mengimpor perpustakaan yang diperlukan dalam proyek:

! pip instal obor

impor obor
impor visi obor
impor visi obor. model

Kode di atas berfungsi sebagai berikut:

“ pip ” pemasang paket untuk Python digunakan untuk menginstal “ obor ' perpustakaan.
Selanjutnya, “ impor Perintah ” digunakan untuk mengimpor perpustakaan ke proyek Colab.
Kemudian, “ visi obor ” perpustakaan diimpor ke proyek. Ini berisi fungsionalitas untuk kumpulan data dan model.
“ oborvision.model ” modul berisi bermacam-macam model terlatih seperti model Jaringan Neural Residual “ ResNet ”:

Langkah 3: Impor Model Terlatih
Impor model terlatih yang disimpan dalam paket “torchvision.models” menggunakan baris kode di bawah ini:

Model_Pra_Terlatih = visi obor. model . serius50 ( terlatih = BENAR )

Baris kode di atas berfungsi sebagai berikut:

Tentukan variabel dan beri nama yang sesuai untuk referensi seperti “Model_Pra_Terlatih” .
Menggunakan “torchvision.model” modul untuk menambahkan “ ResNet ' model.
Tambahkan ' serius50 ” modelkan dan atur “ terlatih=Benar ” sebagai argumennya:

Selanjutnya lihat model yang telah dilatih sebelumnya sebagai keluaran menggunakan metode “print()”:

mencetak ( Model_Pra_Terlatih )

Catatan : Anda dapat mengakses notebook Colab kami yang merinci impor model PyTorch terlatih menggunakan torchvision di sini tautan .

Bagaimana Cara Mengimpor Model PyTorch yang Telah Terlatih dari Database Hugging Face?

Metode lain untuk mengimpor model terlatih adalah dengan mendapatkannya dari platform Hugging Face. Hugging Face adalah salah satu database online terpopuler untuk model terlatih dan kumpulan data besar yang tersedia untuk ilmuwan data dan pemrogram.

Ikuti langkah-langkah di bawah ini untuk mengimpor model PyTorch terlatih dari Kumpulan Data Wajah Memeluk:

Langkah 1: Luncurkan Notebook Colab dan Instal serta Impor Pustaka yang Diperlukan
Langkah pertama adalah meluncurkan notebook di Colab IDE dan menginstal pustaka menggunakan “ pip ” pemasang paket dan impor menggunakan “ impor ' memerintah:

! pip instal obor
! pip instal trafo

impor obor
impor transformator
dari transformator impor Model Otomatis

Perpustakaan berikut diperlukan dalam proyek ini

“ obor ” perpustakaan adalah perpustakaan PyTorch yang penting.
“ transformator ” Pustaka berisi fungsionalitas Hugging Face, modelnya, dan kumpulan datanya:

Langkah 2: Impor Model dari Hugging Face
Dalam contoh ini, model yang akan diimpor dari “ Memeluk Wajah ”database tersedia di sini tautan . Menggunakan ' AutoModel.dari_pretrained() ” metode untuk mengimpor model terlatih dari Hugging Face seperti yang ditunjukkan di bawah ini:

nama_model_pra_terlatih = 'Helsinki-NLP/opus-mt-en-zh'
model_pra_terlatih = Model Otomatis. dari_dilatih sebelumnya ( nama_model_pra_terlatih )

mencetak ( model_pra_terlatih )

Kode di atas berfungsi sebagai berikut:

Salin nama model dari situs webnya di platform Hugging Face dan tetapkan ke “ nama_model_pra_terlatih ” variabel di Colab.
Kemudian, gunakan “ AutoModel.dari_pretrained() metode ” dan masukkan variabel nama model sebagai argumennya.
Terakhir, gunakan 'mencetak() ” metode untuk menampilkan model yang diimpor dalam keluaran.

Model terlatih yang diimpor dari Hugging Face akan menampilkan output di bawah ini:

Catatan : Anda dapat mengakses notebook Colab kami yang merinci cara mengimpor model terlatih dari Hugging Face di sini tautan .

Tip Pro

Hugging Face adalah kumpulan berharga dari kumpulan data besar dan model kompleks yang gratis untuk digunakan semua orang dalam proyek pembelajaran mendalam. Anda juga dapat mengunggah kumpulan data Anda sendiri untuk digunakan orang lain dan platform ini disesuaikan untuk kolaborasi antara ilmuwan data dan pengembang di seluruh dunia.

Kesuksesan! Kami telah menunjukkan cara mengimpor model PyTorch yang telah dilatih sebelumnya dengan menggunakan pustaka torchvision atau dari database Hugging Face menggunakan pustaka transformator.

Kesimpulan

Untuk mengimpor model terlatih di PyTorch, pengguna dapat menggunakan pustaka torchvision atau dari database online Hugging Face menggunakan pustaka transformator di Google Colab. Model terlatih ini digunakan untuk menghindari pemborosan waktu dan sumber daya perangkat keras yang berharga dalam pelatihan dan langsung menguji data baru untuk mendapatkan kesimpulan yang kredibel. Di blog ini, kami telah menunjukkan dua metode untuk mengimpor model terlatih di PyTorch.

Bagaimana Cara Mengimpor Model Terlatih di PyTorch?