Так, OpenAI недавно выпустила Инструментарий Codex, который позволяет разработчикам обучать и развертывать модели ИИ без написания кода. С сегодняшнего дня вы можете получить доступ к Кодексу, присоединившись к их листу ожидания здесь. Мне потребовалось около недели, чтобы получить ответ.
Hugging Face — компания, которая стремится к децентрализации ИИ. Они разрабатывают инструменты для создания приложений с использованием машинного обучения. Он наиболее известен своей библиотекой Transformers, созданной для приложений обработки естественного языка, и своей платформой, которая позволяет пользователям обмениваться моделями машинного обучения и наборами данных.
В любом случае, я покажу вам, как использовать Codex и библиотеку Hugging Face для обучения модели суммирования текста всего за 5 минут!
Давайте приступим к делу
Предполагая, что вы создали аккаунт Hugging Face и получили доступ к Кодексу, вам необходимо настроить Пробел в Hugging Face. Пробелы на Hugging Face позволяют размещать демонстрации машинного обучения в вашем профиле и поддерживают 3 платформы, которые могут быстро создавать приложения Python: Streamlit, Gradio и Static.
- Создайте новое пространство.
2. Назовите его как хотите, а затем выберите Gradio в качестве SDK вашего Space (Software Development Kit). На данный момент игнорируйте лицензии, а публичные или частные — решать вам.
3. Нажмите «Файлы и версии» и добавьте новый файл.
4. Мы собираемся назвать этот файл «requirements.txt» и ввести «факел» в одной строке и «трансформеры» в другой. Нам нужен доступ к этим двум библиотекам для работы нашего приложения. Прокрутите вниз и нажмите «Зафиксировать новый файл».
5. Хорошая работа! Теперь мы собираемся перейти к Codex и сгенерировать код Python, необходимый для запуска нашей модели суммирования.
Имейте в виду, что Codex все еще находится в стадии бета-тестирования, и на него не следует сильно полагаться при создании правильного кода. Однако это, безусловно, может помочь вам начать работу, и вскоре в этом руководстве я покажу вам, почему вам необходимо иметь определенный уровень знаний в области кодирования, прежде чем полностью полагаться на такие инструменты, как Codex.
Итак, в Площадке OpenAi, после того, как вашей учетной записи будет предоставлен доступ к Codex, вам нужно будет переключить модель на code-davinci-002.
Затем вы введете то, что я выделил ниже, в качестве подсказки для генерации кода. Используйте #, когда даете инструкции Кодексу, чтобы он знал, что то, что вы вводите, не является самим кодом.
Круто прямо!
Да! Но если бы вы запускали только этот код, вы бы получили сообщение об ошибке «Произошла ошибка при попытке проксировать: Huggingface.co/»
6. Вам нужно будет добавить «inline = False», как показано ниже, прежде чем копировать код.
Это потому, что ваш типичный код Gradio — это то, что вы обычно пишете в Google Collab, а затем запускаете пользовательский интерфейс (пользовательский интерфейс) в самом блокноте для совместной работы. Однако это не то, что мы делаем сегодня, поскольку мы запускаем нашу модель на Hugging Face, чтобы мы могли показать ее в нашем пространстве для всех, кто может посетить и продемонстрировать.
7. Скопируйте код с Playground и вернитесь к Hugging Face. Назовите его как хотите, но не забудьте добавить «.py» в конце, чтобы Hugging Face знала, что этот файл нужно запускать как приложение Python. Прокрутите вниз и нажмите «Зафиксировать новый файл».
8. Нажмите «Приложение», чтобы просмотреть демонстрацию, и подождите, пока на индикаторе выполнения «Сборка» не появится сообщение «Выполняется».
9. Проверьте это! Поместите любой текст, который вы хотите обобщить, и посмотрите, работает ли ваше приложение!
10. Хорошая работа!
11. Горжусь тобой.
Теперь вы сделали свою первую демонстрацию машинного обучения, которой вы можете поделиться с кем угодно, просто отправив им ссылку на свое пространство.
Если вы хотите больше подобных сообщений, посетите CloudCap Solutions и подпишитесь на мою рассылку. Он еще не запущен, но я планирую отправлять только статьи, связанные с темами AI и Web3, включая статьи и последние разработки, а также мои личные мнения по этим темам.
Я надеюсь, что это вдохновит вас на самостоятельное изучение Hugging Face, после того как я показал вам, как легко было создать, развернуть и разместить демонстрационное приложение ML на их веб-сайте под вашим собственным профилем.
Спасибо, что прочитали! Если вы нашли это полезным, не стесняйтесь посетить Решения CloudCap, поделиться этим с другими или просто аплодировать или оставить комментарий! Все отзывы приветствуются.
До встречи
