Hvordan importere en forhåndstrent modell i PyTorch?

Maskinlæringsmodeller i PyTorch kan være ekstremt komplekse og detaljerte med millioner av rader og terabyte med data. Jo større og mer mangfoldig datasett som brukes i trening, jo bedre slutninger av modellen. Det er viktig å kunne bruke tidligere trente modeller for å trekke slutninger fra nye data fordi det kan spare ressurser og bruke de samme omhyggelig utformede modellene.

I denne bloggen skal vi gå gjennom to metoder for hvordan du importerer en forhåndstrent modell i PyTorch.

Hvordan importere en forhåndstrent modell i PyTorch ved å bruke Torchvision?

« fakkelsyn ”-biblioteket kan brukes til å importere ferdigtrente modeller i PyTorch. Det er en underavdeling av den primære ' lommelykt ”-biblioteket og inneholder funksjonaliteten til tidligere kompilerte datasett og trente modeller. Dette biblioteket gir brukerne muligheten til å kalle opp modeller som har blitt trent på et stort datasett. Disse forhåndstrente modellene kan brukes på nye data og kan gi gyldige slutninger uten behov for lange og uhåndterbare treningssløyfer.

Følg trinnene nedenfor for å lære hvordan du importerer en forhåndstrent modell i PyTorch ved hjelp av Torchvision:

Trinn 1: Åpne Google Colab
Gå til kollaboratoriet nettsted opprettet av Google og start en ' Ny notatbok ' for å starte prosjektet:

Trinn 2: Importer nødvendige biblioteker
Når Colab IDE er satt opp, er det første trinnet å installere og importere bibliotekene som trengs i prosjektet:

! pip installer lommelykt

import lommelykt
import fakkelsyn
import fakkelsyn. modeller

Koden ovenfor fungerer som følger:

« pip ' pakkeinstallasjonsprogram for Python brukes til å installere ' lommelykt ' bibliotek.
Deretter ' import kommandoen brukes til å importere biblioteket til Colab-prosjektet.
Og så ' fakkelsyn ”-biblioteket importeres til prosjektet. Denne inneholder funksjonalitet for datasett og modeller.
« torchvision.model ”-modulen inneholder et utvalg av ferdigtrente modeller som de fra Residual Neural Network ” ResNet ':

Trinn 3: Importer forhåndsopplært modell
Importer en forhåndsopplært modell lagret i 'torchvision.models'-pakken ved å bruke kodelinjen nedenfor:

Pre_Trained_Model = fakkelsyn. modeller . alvorlig50 ( forhåndstrent = ekte )

Kodelinjen ovenfor fungerer som følger:

Definer en variabel og gi den et passende navn for referanse som f.eks «Pre_Trained_Model» .
Bruke «torchvision.models» modul for å legge til ' ResNet 'modell.
Legg til ' alvorlig50 '-modellen og sett ' pretrained=Sant ' som argumentet:

Se deretter den forhåndstrente modellen som en utgang ved å bruke 'print()'-metoden:

skrive ut ( Pre_Trained_Model )

Merk : Du kan få tilgang til Colab-notisboken vår som beskriver importen av en ferdigtrent PyTorch-modell ved bruk av torchvision på denne link .

Hvordan importere en ferdigtrent PyTorch-modell fra Hugging Face-databasen?

En annen metode for å importere en forhåndstrent modell er å få den fra Hugging Face-plattformen. Hugging Face er en av de mest populære online databasene for forhåndstrente modeller og store datasett tilgjengelig for dataforskere og programmerere.

Følg trinnene nedenfor for å importere en ferdigtrent PyTorch-modell fra Hugging Face-datasettet:

Trinn 1: Start en Colab Notebook og installer og importer nødvendige biblioteker
Det første trinnet er å starte en bærbar PC i Colab IDE og installere biblioteker ved å bruke ' pip '-pakkeinstallasjonsprogram og importer dem ved å bruke ' import ' kommando:

! pip installer lommelykt
! pip installere transformatorer

import lommelykt
import transformatorer
fra transformatorer import AutoModel

Følgende bibliotek er nødvendig i dette prosjektet

« lommelykt ”-biblioteket er det essensielle PyTorch-biblioteket.
« transformatorer ”-biblioteket inneholder funksjonaliteten til Hugging Face, modellene og datasettene:

Trinn 2: Importer modellen fra Hugging Face
I dette eksemplet, modellen som skal importeres fra ' Klemende ansikt ”-databasen er tilgjengelig på denne link . Bruke ' AutoModel.from_pretrained() ”-metoden for å importere en forhåndstrent modell fra Hugging Face som vist nedenfor:

pre_trained_model_name = 'Helsinki-NLP/opus-mt-en-zh'
pre_trained_model = AutoModel. from_pretrained ( pre_trained_model_name )

skrive ut ( pre_trained_model )

Koden ovenfor fungerer som følger:

Kopier modellnavnet fra nettstedet på Hugging Face-plattformen og tilordne det til ' pre_trained_model_name ” variabel i Colab.
Deretter bruker du ' AutoModel.from_pretrained() ”-metoden og skriv inn modellnavnvariabelen som argument.
Til slutt, bruk 'skrive ut() ”-metoden for å vise frem den importerte modellen i utdataene.

Fortrent modell importert fra Hugging Face vil vise følgende utdata:

Merk : Du kan få tilgang til Colab-notatboken vår som beskriver hvordan du importerer en forhåndstrent modell fra Hugging Face på denne link .

Pro-Tips

Hugging Face er en verdifull samling av store datasett og komplekse modeller som er gratis for alle å bruke i dyplæringsprosjekter. Du kan også laste opp dine egne datasett som andre kan bruke, og plattformen er innstilt for samarbeid mellom dataforskere og utviklere over hele verden.

Suksess! Vi har vist hvordan du importerer en forhåndstrent PyTorch-modell ved å bruke torchvision-biblioteket eller fra Hugging Face-databasen ved å bruke transformatorbiblioteket.

Konklusjon

For å importere en forhåndstrent modell i PyTorch, kan brukere enten bruke torchvision-biblioteket eller fra Hugging Face-nettdatabasen ved å bruke transformatorbiblioteket i Google Colab. Disse forhåndstrente modellene brukes for å unngå å bruke verdifull tid og maskinvareressurser på opplæring og går direkte til å teste nye data for troverdige slutninger. I denne bloggen har vi vist to metoder for å importere ferdigtrente modeller i PyTorch.

Hvordan importere en forhåndstrent modell i PyTorch?