Hugging Face-ში ჩვენ ვმუშაობთ ღია კოდის მანქანური სწავლების სხვადასხვა პრობლემის გადაჭრაზე, მათ შორის, მოდელების უსაფრთხო და ღიად ჰოსტინგზე, რეპროდუცირებადობის, ახსნადობისა და თანამშრომლობის უზრუნველყოფაზე. მოხარულნი ვართ წარმოგიდგინოთ ჩვენი ახალი ბიბლიოთეკა: Skops! Skops-ის დახმარებით, შეგიძლიათ თქვენი scikit-learn მოდელები განათავსოთ Hugging Face Hub-ზე, შექმნათ მოდელის ბარათები დოკუმენტაციისთვის და ითანამშრომლოთ სხვებთან. მოდით, განვიხილოთ სრული მაგალითი: ჯერ გავწვრთნათ მოდელი და შემდეგ ეტაპობრივად ვნახოთ, როგორ გამოვიყენოთ Skops sklearn-ისთვის პროდუქციაში. შეგიძლიათ გამოიყენოთ ნებისმიერი მოდელის ფაილის სახელი და სერიალიზაციის მეთოდი, როგორიცაა pickle ან joblib. ამჟამად, ჩვენი ბექენდი იყენებს joblib-ს მოდელის ჩასატვირთად. hub_utils.init ქმნის ლოკალურ საქაღალდეს მოცემულ გზაზე, რომელიც შეიცავს მოდელს და კონფიგურაციის ფაილს, სადაც მოცემულია გარემოს სპეციფიკაციები, რომელშიც მოდელი გაიწრთვნა. init-ისთვის გადაცემული მონაცემები და დავალება დაეხმარება Hugging Face Hub-ს, ჩართოს დასკვნის/ინფერენციის ვიჯეტი მოდელის გვერდზე, ასევე უზრუნველყოს მოდელის აღმოჩენის ფუნქციები. რეპოზიტორიუმი ახლა შეიცავს სერიალიზებულ მოდელს და კონფიგურაციის ფაილს. კონფიგურაცია შეიცავს შემდეგს: ახლა შევქმნით მოდელის ბარათს. ბარათი უნდა შეესაბამებოდეს Hugging Face Hub-ის მოსალოდნელ ფორმატს: Markdown ნაწილს და მეტამონაცემთა სექციას, რომელიც არის YAML სექცია თავში. მეტამონაცემთა სექციის გასაღებები განსაზღვრულია აქ და გამოიყენება მოდელების აღმოჩენადობისთვის. მოდელის ბარათის შიგთავსი განისაზღვრება შაბლონით. ჩვენ გაჩვენებთ, როგორ გადასცეთ ინფორმაცია პროგრამულად მოდელის ბარათის შესავსებად. შეგიძლიათ გაეცნოთ ჩვენს დოკუმენტაციას skops-ის მიერ მოწოდებულ ნაგულისხმევ შაბლონზე და მის სექციებზე აქ, რათა ნახოთ, რას მოელის შაბლონი და როგორ გამოიყურება ის აქ. მოდელის ბარათის შექმნა შეგიძლიათ skops-დან Card კლასის ინსტანციით. მოდელის სერიალიზაციის დროს, დავალების სახელი და ბიბლიოთეკის სახელი იწერება კონფიგურაციის ფაილში. ეს ინფორმაცია ასევე საჭიროა ბარათის მეტამონაცემებში, ამიტომ შეგიძლიათ გამოიყენოთ metadata_from_config მეთოდი მეტამონაცემების კონფიგურაციის ფაილიდან ამოსაღებად და ბარათისთვის გადასაცემად მისი შექმნისას. შეგიძლიათ დაამატოთ ინფორმაცია და მეტამონაცემები add მეთოდის გამოყენებით. ახლა შევაფასებთ მოდელს და დავამატებთ შეფასების მეთოდის აღწერას add მეთოდით. მეტრიკები ემატება add_metrics მეთოდით, რომელიც ცხრილად იქნება ინტერპრეტირებული. ასევე შეგვიძლია დავამატოთ ნებისმიერი სასურველი გრაფიკი ბარათზე add_plot მეთოდის გამოყენებით, როგორც ქვემოთ. მოდით, შევინახოთ მოდელის ბარათი ლოკალურ რეპოზიტორიუმში. ფაილის სახელი აქ უნდა იყოს README.md, რადგან სწორედ ამას მოელის Hugging Face Hub. ახლა შეგვიძლია რეპოზიტორიუმი ავტვირთოთ Hugging Face Hub-ზე. ამისათვის, გამოვიყენებთ hub_utils-ის push მეთოდს. Hugging Face Hub-ს ავთენტიფიკაციისთვის სჭირდება ტოკენები, ამიტომ თქვენ უნდა გადასცეთ თქვენი ტოკენი notebook_login-ში, თუ ნოუთბუქიდან შედიხართ, ან huggingface-cli login-ში, თუ CLI-დან შედიხართ. როგორც კი მოდელს ავტვირთავთ Hub-ზე, ნებისმიერს შეუძლია მისი გამოყენება, თუ რეპოზიტორიუმი არ არის პირადი. მოდელების ჩამოტვირთვა შეგიძლიათ download მეთოდის გამოყენებით. მოდელის ფაილის გარდა, რეპოზიტორიუმი შეიცავს მოდელის კონფიგურაციას და გარემოს მოთხოვნებს. ინფერენციის ვიჯეტი ჩართულია რეპოზიტორიუმში პროგნოზების გასაკეთებლად. თუ თქვენი პროექტის მოთხოვნები შეიცვალა, შეგიძლიათ გამოიყენოთ update_env გარემოს განახლებისთვის. აქ შეგიძლიათ იხილოთ მაგალითი რეპოზიტორიუმი, რომელიც ზემოთ მოცემული კოდით აიტვირთა. ჩვენ მოვამზადეთ ორი მაგალითი იმის საჩვენებლად, თუ როგორ შეინახოთ თქვენი მოდელები და გამოიყენოთ მოდელის ბარათის უტილიტები. მათი ნახვა შეგიძლიათ ქვემოთ მოცემულ რესურსების განყოფილებაში.