# Utiliser SpanMarker sur Hugging Face

[SpanMarker](https://github.com/tomaarsen/SpanMarkerNER) est un framework permettant d’entraîner des modèles puissants de reconnaissance d’entités nommées en utilisant des encodeurs courants tels que BERT, RoBERTa et DeBERTa. Implémenté de manière étroite sur la base de la bibliothèque 🤗 Transformers, SpanMarker peut en tirer pleinement parti. En conséquence, SpanMarker sera intuitif à utiliser pour toute personne familière avec Transformers.

## Explorer SpanMarker dans le Hub

Vous pouvez trouver les modèles `span_marker` en filtrant à gauche de la [page des modèles](https://huggingface.co/models?library=span-marker).

Tous les modèles du Hub disposent de ces fonctionnalités utiles :
1. Une carte de modèle générée automatiquement avec une brève description.
2. Un widget interactif que vous pouvez utiliser pour tester le modèle directement dans le navigateur.
3. Un widget Inference Providers qui vous permet d’effectuer des requêtes d’inférence.

## Installation

Pour commencer, vous pouvez suivre le [guide d'installation de SpanMarker](https://tomaarsen.github.io/SpanMarkerNER/install.html). Vous pouvez également utiliser l'installation en une ligne suivante via pip :

```
pip install -U span_marker
```

## Utilisation de modèles existants

Tous les modèles `span_marker` peuvent facilement être chargés depuis le Hub.

```py
from span_marker import SpanMarkerModel

model = SpanMarkerModel.from_pretrained("tomaarsen/span-marker-bert-base-fewnerd-fine-super")
```

Une fois chargée, vous pouvez utiliser [`SpanMarkerModel.predict`](https://tomaarsen.github.io/SpanMarkerNER/api/span_marker.modeling.html#span_marker.modeling.SpanMarkerModel.predict) pour effectuer une inférence.

```py
model.predict("Amelia Earhart flew her single engine Lockheed Vega 5B across the Atlantic to Paris.")
```
```json
[
    {"span": "Amelia Earhart", "label": "person-other", "score": 0.7629689574241638, "char_start_index": 0, "char_end_index": 14},
    {"span": "Lockheed Vega 5B", "label": "product-airplane", "score": 0.9833564758300781, "char_start_index": 38, "char_end_index": 54},
    {"span": "Atlantic", "label": "location-bodiesofwater", "score": 0.7621214389801025, "char_start_index": 66, "char_end_index": 74},
    {"span": "Paris", "label": "location-GPE", "score": 0.9807717204093933, "char_start_index": 78, "char_end_index": 83}
]
```

Si vous souhaitez charger un modèle SpanMarker spécifique, vous pouvez cliquer sur `Use in SpanMarker` et un extrait de code fonctionnel vous sera fourni !

## Ressources supplémentaires

* Dépôt [SpanMarker](https://github.com/tomaarsen/SpanMarkerNER)
* Documentation de [SpanMarker](https://tomaarsen.github.io/SpanMarkerNER)