Skip to main content

hugging face

¿Qué es?​

Hugging Face, es una plataforma open source de ciencia de datos y machine learning. Actúa como un repositorio para expertos y entusiastas del AI, como un GitHub para AI

Como usar los modelos​

  1. Escogue un modelo aqui
    1. puedes usars sus filtros como Task que son los modelos existentes
    2. Libraries son las librerias compatibles el mas sencillo de usar es Transformers
  2. Una vez que es tienes el modelo copiar el nombre del modelo img En este caso es google-t5/t5-base

Usar en web​

Puedes usarlo con la libreria npm para poder usar el modelo.

En la documentación estara la forma de usar el modelo, en el ejemplo de hugging face es de tradución asi que se hara de esta forma

// importas hf
import { HfInference } from '@huggingface/inference'

// aqui es tu access token desde hf muy parecido a gitlab o github
const hf = new HfInference('your access token')

// y llamar el metodo especifico para cada caso
await hf.translation({
  model: 'google-t5/t5-base',
  inputs: 'My name is Wolfgang and I live in Berlin'
})
  • Hay que tener en cuenta que algunos modelos tienen configuraciones distintas que indicara en el repositorio
  • Si el modelo pesa mas de 10GB no podras hacr la peticion desde web

Usar en python​

En caso de querer probar un modelo sin necesidad de usar tu computadora, puedes usar Colab que gratuitamente te presta un maquina con python instalado

aqui puedes crear tu codigo por partes y probar de manera sencilla el codigo que te da en la misma pagina de HF presionando use this model

img

y a veces existe dos formas de usarlo

Alto nivel que es usando el un pipeline que viene por HF

ejemplo

from transformers import pipeline

pipe = pipeline("translation_es_to_en", model="google-t5/t5-base")
result = pipe("Hola, ¿como estas?")
print(result)

Usando el modelo completo

se descarga completo para poder usar ese modelo directamente o configurarlo diferente.

# Load model directly
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("google-t5/t5-base")
model = AutoModelForSeq2SeqLM.from_pretrained("google-t5/t5-base")