Huggingface的介绍，使用（CSDN最强Huggingface入门手册）

返回论文和资料目录

1.Huggingface的简介

Huggingface即是网站名也是其公司名，随着transformer浪潮，Huggingface逐步收纳了众多最前沿的模型和数据集等有趣的工作，与transformers库结合，可以快速使用学习这些模型。

2.Huggingface的具体介绍

进入Huggingface网站,如下图所示。
在这里插入图片描述
其主要包含：

Models（模型），包括各种处理CV和NLP等任务的模型，上面模型都是可以免费获得
Datasets（数据集），包括很多数据集
Spaces（分享空间），包括社区空间下最新的一些有意思的分享，可以理解为huggingface朋友圈
Docs（文档，各种模型算法文档），包括各种模型算法等说明使用文档
Solutions（解决方案，体验等），包括others
Pricing（dddd），懂的都懂

3.Huggingface的Models

点开Models。可以看到下图的任务，再点开+23 Tasks。
在这里插入图片描述

可以看到下图所有的任务。
其中，主要包括计算机视觉、自然语言处理、语音处理、多模态、表格处理、强化学习。
在这里插入图片描述

展开介绍：
Computer Vision（计算机视觉任务）：包括lmage Classification（图像分类），lmage Segmentation（图像分割）、zero-Shot lmage Classification（零样本图像分类）、lmage-to-Image（图像到图像的任务）、Unconditional lmage Generation（无条件图像生成）、Object Detection(目标检测)、Video Classification（视频分类）、Depth Estimation(深度估计，估计拍摄者距离图像各处的距离)

Natural Language Processing（自然语言处理）：包括Translation（机器翻译）、Fill-Mask(填充掩码，预测句子中被遮掩的词)、Token Classification（词分类）、Sentence Similarity（句子相似度）、Question Answering（问答系统），Summarization（总结，缩句）、Zero-Shot Classification (零样本分类)、Text Classification（文本分类）、Text2Text（文本到文本的生成）、Text Generation（文本生成）、Conversational（聊天）、Table Question Answer（表问答，1.预测表格中被遮掩单词2.数字推理，判断句子是否被表格数据支持）

Audio（语音）：Automatic Speech Recognition（语音识别）、Audio Classification（语音分类）、Text-to-Speech（文本到语音的生成）、Audio-to-Audio（语音到语音的生成）、Voice Activity Detection（声音检测、检测识别出需要的声音部分）

Multimodal（多模态）：Feature Extraction（特征提取）、Text-to-Image（文本到图像）、Visual Question Answering（视觉问答）、Image2Text（图像到文本）、Document Question Answering（文档问答）

Tabular（表格）：Tabular Classification（表分类）、Tabular Regression（表回归）

Reinforcement Learning（强化学习）：Reinforcement Learning（强化学习）、Robotics（机器人）

模型的使用

一般来说，页面上会给出模型的介绍。例如，我们打开其中一个fill-mask任务下下载最多的模型bert-base-uncased。
在这里插入图片描述
可以看到模型描述：

以及用法。需要提前安装transformers库，可以直接pip install transformers安装。还有Pytorch或TensorFlow库，读者自行下载。
一般来说，第一次执行时pipeline会加载模型，模型会自动下载到本地，可以直接用。第一个参数是任务类型，第二个是具体模型名字。
模型下载在本地的地址：

C:\Users\【自己的用户名】\.cache\huggingface\hub

当然，不同模型使用方法略有区别，直接通过页面学习或文档学习最好。

在这里插入图片描述

from transformers import pipeline
unmasker = pipeline('fill-mask', model='bert-base-uncased')
unmasker("Hello I'm a [MASK] model.")

4.Huggingface的dataset

可以看到有如下任务的数据集。读者可自行打开学习
在这里插入图片描述
例如，我们打开Text Classification 任务的glue数据集

5.Huggingface的spaces

点开如下图所示。里面有些近些天有趣的东西火热的apps。

在这里插入图片描述

比如，我看到一个有趣的扩散模型的app。。打开后发现其可以实现许多多模态之间的转换。
在这里插入图片描述

6.总结

类似Github，Huggingface里面有好多好东西。一起来玩下下！

文章出处登录后可见！

已经登录？立即刷新

Huggingface的介绍，使用（CSDN最强Huggingface入门手册）