Hugging Face AutoTrain-ი კომპიუტერული ხედვისთვის: ნულოვანი კონფიგურაციით მაღალეფექტური მოდელები

Hugging Face AutoTrain საშუალებას გაძლევთ, გაწვრთნათ მოდელები ყოველგვარი კონფიგურაციის გარეშე. უბრალოდ აირჩიეთ თქვენი ამოცანა (თარგმნა? კითხვა-პასუხი?), ატვირთეთ მონაცემები და დანარჩენს Hugging Face იზრუნებს! იმის გათვალისწინებით, რომ AutoTrain ექსპერიმენტებს ატარებს მრავალფეროვან მოდელებზე, დიდია ალბათობა, რომ საბოლოოდ მიიღოთ ისეთი მოდელი, რომელიც ინჟინრის მიერ ხელით გაწვრთნილ მოდელზე უკეთ შეასრულებს დავალებას. 🤯 ჩვენ მუდმივად ვზრდიდით მხარდაჭერილი ამოცანების რაოდენობას და სიამაყით ვაცხადებთ, რომ AutoTrain ახლა უკვე შეგიძლიათ გამოიყენოთ კომპიუტერული ხედვისთვისაც! გამოსახულების კლასიფიკაცია უახლესი ამოცანაა, რომელიც დავამატეთ, და მეტიც გზაშია. მაგრამ რას ნიშნავს ეს თქვენთვის? გამოსახულების კლასიფიკაციის მოდელები სწავლობენ სურათების კატეგორიზაციას, რაც იმას ნიშნავს, რომ თქვენ შეგიძლიათ გაწვრთნათ ასეთი მოდელი ნებისმიერი სურათის დასალეიბლებლად. გსურთ მოდელი, რომელსაც შეუძლია ხელმოწერების ამოცნობა? ფრინველის სახეობების გარჩევა? მცენარის დაავადებების იდენტიფიცირება? სანამ შესაბამის მონაცემთა ნაკრებს იპოვით, გამოსახულების კლასიფიკაციის მოდელი თქვენს სამსახურშია. თუ ჯერ არ გაქვთ Hugging Face-ის ანგარიში შექმნილი, ახლა ამის დროა! ამის შემდეგ, ეწვიეთ AutoTrain-ის მთავარ გვერდს და დასაწყებად დააჭირეთ „ახალი პროექტის შექმნას“ (Create new project). მოგეთხოვებათ შეავსოთ ძირითადი ინფორმაცია თქვენი პროექტის შესახებ. ქვემოთ მოცემულ სკრინშოტზე ნახავთ, რომ შევქმენი პროექტი სახელწოდებით „butterflies-classification“ და ავირჩიე „გამოსახულების კლასიფიკაციის“ (Image Classification) ამოცანა. ასევე ავირჩიე „ავტომატური“ მოდელის ოფცია, რადგან მსურს AutoTrain-ს მივანდო ჩემი პროექტისთვის საუკეთესო მოდელის არქიტექტურების პოვნის საქმე. მას შემდეგ, რაც AutoTrain შექმნის თქვენს პროექტს, თქვენ უბრალოდ უნდა დააკავშიროთ მონაცემები. თუ მონაცემები ლოკალურად გაქვთ, შეგიძლიათ საქაღალდე გადაათრიოთ და ჩააგდოთ ფანჯარაში. რადგან ჩვენ ასევე შეგვიძლია გამოვიყენოთ ნებისმიერი გამოსახულების კლასიფიკაციის მონაცემთა ნაკრები Hugging Face Hub-დან, ამ მაგალითში გადავწყვიტე გამომეყენებინა NimaBoscarino/butterflies მონაცემთა ნაკრები. შეგიძლიათ აირჩიოთ ცალკეული საწვრთნელი და ვალიდაციის მონაცემთა ნაკრებები, თუ ხელმისაწვდომია, ან შეგიძლიათ სთხოვოთ AutoTrain-ს, თავად დაყოს მონაცემები. მონაცემების დამატების შემდეგ, უბრალოდ აირჩიეთ მოდელის კანდიდატების რაოდენობა, რომელთა გამოცდაც გსურთ AutoModel-ს, გადახედეთ მოსალოდნელ წვრთნის ღირებულებას (წვრთნა 5 კანდიდატი მოდელით და 500-ზე ნაკლები სურათით უფასოა 🤩) და დაიწყეთ წვრთნა! ზემოთ მოცემულ სკრინშოტებზე ხედავთ, რომ ჩემმა პროექტმა 5 სხვადასხვა მოდელი დაიწყო, რომელთაგან თითოეულმა სხვადასხვა სიზუსტის ქულა მიაღწია. ერთ-ერთი მათგანი საერთოდ არ მუშაობდა კარგად, ამიტომ AutoTrain-მა შეაჩერა ის, რათა არ დაეხარჯა რესურსები. საუკეთესო მოდელმა მიაღწია 84% სიზუსტეს, ჩემი მხრიდან ფაქტობრივად ნულოვანი ძალისხმევით. 😍 დასასრულს, შეგიძლიათ ეწვიოთ თქვენს ახლად გაწვრთნილ მოდელებს Hub-ზე და გამოსცადოთ ისინი ინტეგრირებული ინფერენციის ვიჯეტის საშუალებით. მაგალითად, ნახეთ ჩემი პეპლების კლასიფიკატორის მოდელი NimaBoscarino/butterflies-ზე. 🦋 მოუთმენლად ველით, რას შექმნით AutoTrain-ის გამოყენებით! არ დაგავიწყდეთ საზოგადოებასთან შეერთება hf.co/join/discord-ზე და დაგვიკავშირდით, თუ დახმარება გჭირდებათ. 🤗 მეტი სტატია ჩვენი ბლოგიდან · დარეგისტრირდით ან შეხვიდეთ კომენტარისთვის.