conda pytorch笔记

最新推荐文章于 2024-06-23 11:49:17 发布

不做毛毛虫

最新推荐文章于 2024-06-23 11:49:17 发布

阅读量171

点赞数

文章标签： conda pytorch python

本文链接：https://blog.csdn.net/yulongzhao/article/details/129919109

版权

conda 安装的pytorch只支持cpu版本，cuda版本需要pip方式安装

huggingface使用笔记

预训练模型的使用方式

最简单的方式，使用推理api，这种方式模型文件和模型执行都是托管在hf的网站上的
-https://huggingface.co/docs/api-inference/quicktour添加链接描述

 from huggingface_hub.inference_api
 import InferenceApi inference = InferenceApi("bert-base-uncased") 
 print(inference(inputs="The goal of life is [MASK]."))

通过transformers库，该方式是把模型下载到本地cache，需要本地的ai框架支持，运行是在本地的计算机上

from transformers import ViTImageProcessor, ViTForImageClassification
from PIL import Image
import requests 
import matplotlib.pyplot as plt 
import os 
os.environ['KMP_DUPLICATE_LIB_OK'] = 'TRUE' 
url = 'http://images.cocodataset.org/val2017/000000039769.jpg' 
image = Image.open(requests.get(url, stream=True).raw) 
plt.imshow(image) plt.show() model_path = r"S:\ai_cache\huggingface\manual_download_models\google\vit-base-patch16-224" 
processor = ViTImageProcessor.from_pretrained(model_path) 
model = ViTForImageClassification.from_pretrained(model_path) 
inputs = processor(images=image, return_tensors="pt") 
outputs = model(**inputs) logits = outputs.logits  # model predicts one of the 1000 ImageNet classes 
predicted_class_idx = logits.argmax(-1).item() 
print("Predicted class:", model.config.id2label[predicted_class_idx])