Huggingface pipe新手教程

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

Huggingface是一个在机器学习领域对标于github的网站及社区集群,对于正在学习机器学习有关的学生或者日后将要从事于相关行业的从业者能够提供极其有力的帮助和指导,你可以了解当今的最领先的大模型排名,你可以阅读到相关介绍文献,包括原理,架构,你还可以方便快捷的使用大模型api,下载用于训练不同模型的数据集,你可以上传自己的大模型,你也可以通过专属的接口在自己的终端调用这些大模型等等,网页链接在文末

---

一、pipe是什么

Huggingface的pipe管道是一个非常方便的工具，它可以让你使用预训练的Transformer模型来完成各种自然语言处理的任务，比如文本分类、命名实体识别、问答、文本生成等。你只需要给出一个任务的名称，就可以调用一个合适的模型来处理你的输入，无需自己编写复杂的代码,说白了可以一键调用ransformer模型

二、使用步骤

1.以python为例

准备python环境(个人试过9,但不行,换成10就可以了)

终端输入,下载tansformers的详细版本,以便引用其中的管道函数

!pip install transformers[sentencepiece]

2.引用管道函数,随机挑选一个任务和模型作为参数填入

选用的是openai提供的whisper-large模型,看得出来该模型作用是可以将音频识别为文字,并且在官网你可以看到关于该模型的详细的各项介绍(用途,基于哪个模块,访问量.引用api,如何使用等等)

（这里直接输入模型）：

from transformers import pipeline

generator = pipeline(model="openai/whisper-large")

generator("https://huggingface.co/datasets/Narsil/asr_dummy/resolve/main/mlk.flac")

>>>{'text': ' I have a dream that one day this nation will rise up and live out the true meaning of its creed.'}

获得该模型输出的效果

---

总结

从以上简要介绍了关于如何通过调用huggingface的pipe来达到引用模型输出的目的,而在官网很多模型的api都支持直接网页调用,这些适应不同任务满足不同需求的模型(模 态,计算机视觉,自然语言处理,音频,强化学习等等)由很多直接知名的互联网企业如微软 ,openai,包括各个国家的顶尖大学所上传,能够给从事计算机领域的人员提供极强的专业性帮助和了解.