Uso de fastai en Hugging Face

fastai es una biblioteca de Deep Learning de código abierto que aprovecha PyTorch y Python para proporcionar componentes de alto nivel que permiten entrenar redes neuronales rápidas y precisas con resultados de última generación en datos de texto, visión y tabulares.

Explorando fastai en el Hub

Puedes encontrar modelos de fastai filtrando a la izquierda de la página de modelos.

Todos los modelos del Hub incluyen las siguientes características:

1. Una tarjeta de modelo generada automáticamente con una breve descripción y etiquetas de metadatos que facilitan la búsqueda.
2. Un widget interactivo que puedes usar para experimentar con el modelo directamente en el navegador (para clasificación de imágenes)
3. Un widget de Inference Providers que permite realizar solicitudes de inferencia (para clasificación de imágenes).

Uso de modelos existentes

La biblioteca huggingface_hub es un cliente de Python ligero con funciones de utilidad para descargar modelos del Hub.

pip install huggingface_hub["fastai"]

Una vez que tengas la biblioteca instalada, solo necesitas usar el método from_pretrained_fastai. Este método no solo carga el modelo, sino que también valida la versión de fastai en la que se guardó el modelo, lo cual es importante para la reproducibilidad.

from huggingface_hub import from_pretrained_fastai

learner = from_pretrained_fastai("espejelomar/identify-my-cat")

_,_,probs = learner.predict(img)
print(f"Probability it's a cat: {100*probs[1].item():.2f}%")

# Probability it's a cat: 100.00%

Si quieres ver cómo cargar un modelo específico, puedes hacer clic en Use in fastai y se te proporcionará un fragmento de código funcional para cargarlo.

Compartir tus modelos

Puedes compartir tus modelos de fastai utilizando el método push_to_hub_fastai.

from huggingface_hub import push_to_hub_fastai

push_to_hub_fastai(learner=learn, repo_id="espejelomar/identify-my-cat")

Recursos adicionales

• curso de fastai course.
• Sitio web de fastai website.
• Integración con la documentación del Hub.
• Integración con el anuncio de Hub.