En este blog, repasaremos dos métodos sobre cómo importar un modelo previamente entrenado en PyTorch.
¿Cómo importar un modelo previamente entrenado en PyTorch usando Torchvision?
El ' visión de antorcha La biblioteca 'se puede utilizar para importar modelos previamente entrenados en PyTorch. Es una subdivisión de la primaria” antorcha ”Biblioteca y contiene la funcionalidad de conjuntos de datos previamente compilados y modelos entrenados. Esta biblioteca brinda a los usuarios la capacidad de llamar modelos que han sido entrenados en un gran conjunto de datos. Estos modelos previamente entrenados se pueden aplicar a nuevos datos y pueden proporcionar inferencias válidas sin la necesidad de ciclos de entrenamiento largos e inmanejables.
Siga los pasos que se indican a continuación para aprender cómo importar un modelo previamente entrenado en PyTorch usando Torchvision:
Paso 1: abre Google Colab
Ir al laboratorio sitio web creado por Google e iniciar un “ Nuevo cuaderno ”para comenzar el proyecto:
Paso 2: Importe las bibliotecas necesarias
Una vez configurado Colab IDE, el primer paso es instalar e importar las bibliotecas necesarias en el proyecto:
importar antorcha
importar visión de antorcha
importar visión de antorcha. modelos
El código anterior funciona de la siguiente manera:
- El ' pepita El instalador de paquetes para Python se utiliza para instalar el ' antorcha ' biblioteca.
- A continuación, el “ importar El comando 'se utiliza para importar la biblioteca al proyecto Colab.
- Entonces el ' visión de antorcha ”La biblioteca se importa al proyecto. Contiene funcionalidad para conjuntos de datos y modelos.
- El ' antorchavision.modelo El módulo contiene una variedad de modelos previamente entrenados, como los de la red neuronal residual. Resnet ”:
Paso 3: Importar modelo previamente entrenado
Importe un modelo previamente entrenado guardado dentro del paquete 'torchvision.models' usando la siguiente línea de código:
La línea de código anterior funciona de la siguiente manera:
- Defina una variable y asígnele un nombre adecuado como referencia, como por ejemplo “Modelo_pre_entrenado” .
- Utilizar el “modelos.torchvision” módulo para agregar el “ Resnet ' modelo.
- Añade el ' serio50 'Modelo y configure el' preentrenado = Verdadero ”como su argumento:
A continuación, vea el modelo previamente entrenado como salida utilizando el método 'print()':
imprimir ( Modelo_pre_entrenado ) 
Nota : Puede acceder a nuestro cuaderno Colab que detalla la importación de un modelo PyTorch previamente entrenado usando torchvision en este enlace .
¿Cómo importar un modelo PyTorch previamente entrenado desde la base de datos de Hugging Face?
Otro método para importar un modelo previamente entrenado es obtenerlo de la plataforma Hugging Face. Hugging Face es una de las bases de datos en línea más populares para modelos previamente entrenados y grandes conjuntos de datos disponibles para científicos y programadores de datos.
Siga los pasos a continuación para importar un modelo de PyTorch previamente entrenado desde el conjunto de datos de Hugging Face:
Paso 1: Inicie una computadora portátil Colab e instale e importe las bibliotecas necesarias
El primer paso es iniciar un cuaderno en Colab IDE e instalar bibliotecas usando ' pepita 'Instalador de paquetes e importarlos usando el' importar ' dominio:
! transformadores de instalación de tuberías
importar antorcha
importar transformadores
de transformadores importar Automodelo
Se necesitan las siguientes bibliotecas en este proyecto.
- El ' antorcha La biblioteca es la biblioteca esencial de PyTorch.
- El ' transformadores La biblioteca contiene la funcionalidad de Hugging Face, sus modelos y sus conjuntos de datos:
Paso 2: importe el modelo desde Hugging Face
En este ejemplo, el modelo que se importará desde “ abrazando la cara La base de datos está disponible en este enlace . Utilizar el ' AutoModel.from_pretrained() 'Método para importar un modelo previamente entrenado desde Hugging Face como se muestra a continuación:
modelo_pre_entrenado = Automodelo. from_pretrained ( nombre_modelo_pre_entrenado )
imprimir ( modelo_pre_entrenado )
El código anterior funciona de la siguiente manera:
- Copie el nombre del modelo de su sitio web en la plataforma Hugging Face y asígnelo al “ nombre_modelo_pre_entrenado ”variable en Colab.
- Luego, utilice el botón ' AutoModel.from_pretrained() ”Método e ingrese la variable de nombre del modelo como argumento.
- Por último, utilice el 'imprimir() 'Método para mostrar el modelo importado en la salida.
El modelo previamente entrenado importado de Hugging Face mostrará el siguiente resultado:
Nota : Puede acceder a nuestro cuaderno Colab que detalla cómo importar un modelo previamente entrenado desde Hugging Face en este enlace .
Consejo profesional
Hugging Face es una valiosa colección de grandes conjuntos de datos y modelos complejos que todos pueden utilizar de forma gratuita en proyectos de aprendizaje profundo. También puede cargar sus propios conjuntos de datos para que otros los utilicen y la plataforma está adaptada para la colaboración entre científicos y desarrolladores de datos de todo el mundo.
¡Éxito! Hemos mostrado cómo importar un modelo PyTorch previamente entrenado usando la biblioteca torchvision o desde la base de datos de Hugging Face usando la biblioteca de transformadores.
Conclusión
Para importar un modelo previamente entrenado en PyTorch, los usuarios pueden usar la biblioteca torchvision o desde la base de datos en línea de Hugging Face usando la biblioteca de transformadores en Google Colab. Estos modelos previamente entrenados se utilizan para evitar gastar tiempo valioso y recursos de hardware en el entrenamiento y van directamente a probar nuevos datos para obtener inferencias creíbles. En este blog, hemos mostrado dos métodos para importar modelos previamente entrenados en PyTorch.