从Hugging Face中下载数据集、模型到本地

1、查看本地代理

在这里插入图片描述

2、下载数据集

将https://huggingface.co/datasets/YeungNLP/firefly-train-1.1M数据集下载到本地

import os
import json
from datasets import load_dataset

###设置代理,本地vpn
os.environ["http_proxy"] = "http://127.0.0.1:21882"
os.environ["https_proxy"] = "http://127.0.0.1:21882"

dataset = load_dataset("YeungNLP/firefly-train-1.1M")
dataset.save_to_disk("dataset/Salesforce/dialogstudio") # 保存到该目录下
print(len(dataset['train']))
print(dataset['train'][3])

with open('./dataset/data.json', 'w', encoding='utf-8') as fp:
    num = 0
    for i in range(len(dataset['train'])):
        if dataset['train'][i]['kind'] == 'Couplet':
            fp.write(json.dumps({'input': dataset['train'][i]['input'], 'output': dataset['train'][i]['target']},
                                ensure_ascii=False))
            fp.write('\n')
            num += 1
            print(f"已写入{num}条")

数据类型如下:
在这里插入图片描述
上述代码只读取对联数据,结果如下:
在这里插入图片描述

3、下载模型

3.1、直接下载到本地并加载

from transformers import T5Tokenizer, T5ForConditionalGeneration

os.environ["http_proxy"] = "http://127.0.0.1:21882"
os.environ["https_proxy"] = "http://127.0.0.1:21882"

# 首先,下载并保存tokenizer和模型
tokenizer = T5Tokenizer.from_pretrained("t5-small", cache_dir="./t5_model_v1")
model = T5ForConditionalGeneration.from_pretrained("t5-small", cache_dir="./t5_model_v1")
input_text = "translate English to German: How old are you?"
input_ids = tokenizer(input_text, return_tensors="pt").input_ids

outputs = model.generate(input_ids)
print(tokenizer.decode(outputs[0]))

结果如下:
在这里插入图片描述在这里插入图片描述

3.2、从Hugging Face中手动下载指定好的模型文件到本地并加载

from transformers import T5Tokenizer, T5ForConditionalGeneration
import os

os.environ["http_proxy"] = "http://127.0.0.1:21882"
os.environ["https_proxy"] = "http://127.0.0.1:21882"

tokenizer = T5Tokenizer.from_pretrained("t5_model_v2")
model = T5ForConditionalGeneration.from_pretrained("t5_model_v2")

input_text = "translate English to German: How old are you?"
input_ids = tokenizer(input_text, return_tensors="pt").input_ids

outputs = model.generate(input_ids)
print(tokenizer.decode(outputs[0]))

下载模型如下配置:
在这里插入图片描述
结果如下:
在这里插入图片描述

  • 23
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值