Comment importer un modèle pré-entraîné dans PyTorch ?

Dans ce blog, nous passerons en revue deux méthodes pour importer un modèle pré-entraîné dans PyTorch.

Comment importer un modèle pré-entraîné dans PyTorch à l'aide de Torchvision ?

Le ' vision de la torche 'La bibliothèque peut être utilisée pour importer des modèles pré-entraînés dans PyTorch. C’est une subdivision du primaire » torche ' et contient les fonctionnalités des ensembles de données et des modèles formés précédemment compilés. Cette bibliothèque offre aux utilisateurs la possibilité d'appeler des modèles qui ont été formés sur un grand ensemble de données. Ces modèles pré-entraînés peuvent être appliqués à de nouvelles données et fournir des inférences valides sans avoir besoin de boucles de formation longues et ingérables.

Suivez les étapes ci-dessous pour savoir comment importer un modèle pré-entraîné dans PyTorch à l'aide de Torchvision :

Étape 1 : Ouvrez Google Colab
Aller au Colaboratoire site web créé par Google et démarrez un ' Nouveau cahier » pour démarrer le projet :

Étape 2 : Importer les bibliothèques nécessaires
Une fois l'IDE Colab configuré, la première étape consiste à installer et importer les bibliothèques nécessaires au projet :

Le code ci-dessus fonctionne comme suit :

• Le ' pépin ' Le programme d'installation du package pour Python est utilisé pour installer le ' torche ' bibliothèque.
• Ensuite, le « importer ' La commande est utilisée pour importer la bibliothèque dans le projet Colab.
• Puis le ' vision de la torche ' La bibliothèque est importée dans le projet. Celui-ci contient des fonctionnalités pour les ensembles de données et les modèles.
• Le ' torchvision.model ' Le module contient un assortiment de modèles pré-entraînés tels que ceux du réseau de neurones résiduels ' ResNet » :

Étape 3 : Importer un modèle pré-entraîné
Importez un modèle pré-entraîné enregistré dans le package « torchvision.models » en utilisant la ligne de code ci-dessous :

La ligne de code ci-dessus fonctionne comme suit :

• Définissez une variable et donnez-lui un nom approprié pour référence, tel que « Modèle_pré_entraîné » .
• Utilisez le « torchvision.models » module pour ajouter le ' ResNet ' modèle.
• Ajouter le ' sérieux50 ' modèle et définissez le ' pré-entraîné = Vrai » comme argument :

Affichez ensuite le modèle pré-entraîné en tant que sortie à l'aide de la méthode « print() » :

Note : Vous pouvez accéder à notre notebook Colab qui détaille l'importation d'un modèle PyTorch pré-entraîné à l'aide de torchvision à cette adresse lien .

Comment importer un modèle PyTorch pré-entraîné à partir de la base de données Hugging Face ?

Une autre méthode pour importer un modèle pré-entraîné consiste à l'obtenir à partir de la plateforme Hugging Face. Hugging Face est l'une des bases de données en ligne les plus populaires pour les modèles pré-entraînés et les grands ensembles de données disponibles pour les scientifiques et les programmeurs de données.

Suivez les étapes ci-dessous pour importer un modèle PyTorch pré-entraîné à partir de l'ensemble de données Hugging Face :

Étape 1 : lancez un bloc-notes Colab et installez et importez les bibliothèques requises
La première étape consiste à lancer un notebook dans l'IDE Colab et à installer les bibliothèques à l'aide du ' pépin 'Installateur de package' et importez-les à l'aide du ' importer ' commande:

Les bibliothèques suivantes sont nécessaires dans ce projet

• Le ' torche 'La bibliothèque est la bibliothèque PyTorch essentielle.
• Le ' transformateurs ' La bibliothèque contient les fonctionnalités de Hugging Face, ses modèles et ses ensembles de données :

Étape 2 : Importer le modèle depuis Hugging Face
Dans cet exemple, le modèle à importer depuis le « Visage câlin ' La base de données est disponible à ce lien . Utilisez le ' AutoModel.from_pretrained() ' Méthode pour importer un modèle pré-entraîné à partir de Hugging Face comme indiqué ci-dessous :

Le code ci-dessus fonctionne comme suit :

• Copiez le nom du modèle de son site Web sur la plateforme Hugging Face et attribuez-le au « pre_trained_model_name 'variable dans Colab.
• Ensuite, utilisez le ' AutoModel.from_pretrained() ' et saisissez la variable de nom du modèle comme argument.
• Enfin, utilisez le 'imprimer() » pour présenter le modèle importé dans la sortie.

Le modèle pré-entraîné importé de Hugging Face affichera le résultat ci-dessous :

Note : Vous pouvez accéder à notre carnet Colab détaillant comment importer un modèle pré-entraîné depuis Hugging Face à cette adresse lien .

Conseil de pro

Hugging Face est une précieuse collection de grands ensembles de données et de modèles complexes que tous peuvent utiliser gratuitement dans le cadre de projets d'apprentissage en profondeur. Vous pouvez également télécharger vos propres ensembles de données pour que d'autres puissent les utiliser et la plate-forme est conçue pour la collaboration entre les scientifiques et les développeurs de données du monde entier.

Succès! Nous avons montré comment importer un modèle PyTorch pré-entraîné à l'aide de la bibliothèque torchvision ou à partir de la base de données Hugging Face à l'aide de la bibliothèque Transformers.

Conclusion

Pour importer un modèle pré-entraîné dans PyTorch, les utilisateurs peuvent soit utiliser la bibliothèque torchvision, soit à partir de la base de données en ligne Hugging Face en utilisant la bibliothèque de transformateurs de Google Colab. Ces modèles pré-entraînés sont utilisés pour éviter de consacrer du temps et des ressources matérielles précieuses à la formation et vont directement au test de nouvelles données pour des inférences crédibles. Dans ce blog, nous avons montré deux méthodes pour importer des modèles pré-entraînés dans PyTorch.