Hugging Face에서 🤗 transformers 사용

🤗 transformers는 Hugging Face와 커뮤니티가 유지 관리하는 라이브러리로, PyTorch, TensorFlow, JAX를 위한 최첨단 Machine Learning을 제공합니다. 텍스트, 비전, 오디오 등 다양한 모달리티에서 작업을 수행할 수 있는 수천 개의 사전 학습 모델을 제공합니다. 다소 편향된 시각일 수 있지만, 우리는 정말로 🤗 transformers를 좋아합니다!

Hub에서 🤗 transformers 탐색

Hub에는 630,000개 이상의 transformers 모델이 있으며, 모델 페이지 왼쪽에서 필터링하여 찾을 수 있습니다.

다양한 작업을 위한 모델을 찾을 수 있습니다:

• 컨텍스트에서 답변 추출(질문-답변).
• 대량의 텍스트에서 요약 생성(요약화).
• 텍스트를 분류합니다(예: 스팸 여부, text-classification).
• GPT와 같은 모델로 새 텍스트를 생성합니다(text-generation).
• 문장 내에서 품사(동사, 주어 등) 또는 엔티티(국가, 조직 등)를 식별합니다(token-classification).
• 오디오 파일을 텍스트로 전사합니다(automatic-speech-recognition).
• 오디오 파일의 화자 또는 언어를 분류합니다(audio-classification).
• 이미지에서 객체를 감지합니다(object-detection).
• 이미지를 세그먼트합니다(image-segmentation).
• 강화 학습(reinforcement-learning)을 수행하세요!

in-browser widgets 덕분에 모델을 다운로드하지 않고 브라우저에서 직접 테스트할 수 있습니다.

Transformers 저장소 파일

Transformers 모델 저장소에는 일반적으로 모델 파일과 전처리기가 포함된 파일이 있습니다.

모델

• config.json 파일은 숨겨진 레이어 수, 어휘 크기, 어텐션 헤드 수, 각 헤드의 차원 등 모델 아키텍처에 대한 세부 정보를 저장합니다. 이 메타데이터는 모델의 설계도입니다.

• model.safetensors 파일은 사전 학습된 모델의 레이어와 가중치를 저장합니다. 대규모 모델의 경우, 로딩에 필요한 메모리 양을 제한하기 위해 safetensors 파일이 샤드(shard)로 나뉩니다. 모델 가중치가 어떤 safetensors 파일에서 로드되는지 확인하려면 model.safetensors.index.json 파일을 살펴보세요.

  복사됨

  {
  "metadata": {
    "total_size": 16060522496
  },
  "weight_map": {
    "lm_head.weight": "model-00004-of-00004.safetensors",
    "model.embed_tokens.weight": "model-00001-of-00004.safetensors",
    ...
    }
  }

  모델 카드의 ↗ 버튼을 클릭하여 이 매핑을 시각화할 수도 있습니다.

  

  Safetensors는 모델 가중치를 저장하기 위한 pickle보다 더 안전하고 빠른 직렬화 형식입니다. bin, pth, 또는 ckpt와 같은 형식으로 pickle 처리된 가중치를 만나실 수 있지만, safetensors는 더 나은 대안으로 모델 생태계에서 점점 더 많이 채택되고 있습니다.

• 모델에는 텍스트 생성 방법(샘플링 여부, 샘플링 대상 상위 토큰, 온도, 생성 시작 및 종료용 특수 토큰 등)에 대한 세부 정보를 저장하는 generation_config.json 파일이 있을 수도 있습니다.

Preprocessor

• tokenizer_config.json 파일은 모델이 추가한 특수 토큰을 저장합니다. 이러한 특수 토큰은 문장의 시작, 채팅 템플릿의 특정 포맷, 이미지 표시 등 모델에 다양한 정보를 전달합니다. 이 파일에는 모델이 허용할 수 있는 최대 입력 시퀀스 길이, 전처리 클래스, 그리고 반환되는 출력도 표시됩니다.
• tokenizer.json 파일은 모델이 학습한 어휘를 저장합니다.
• special_tokens_map.json은 특수 토큰의 매핑입니다. 예를 들어, Llama 3.1-8B-Instruct에서 문자열 시작 토큰은 "<|begin_of_text|>"입니다.

다른 모달리티의 경우, tokenizer_config.json 파일은 preprocessor_config.json으로 대체됩니다.

기존 모델 사용

모든 transformer 모델은 한 줄만 추가하면 바로 사용할 수 있습니다. 사용 목적에 따라 pipeline 함수를 활용한 고수준 API를 사용하거나, 더 세밀한 제어가 필요하면 AutoModel을 사용할 수 있습니다.

# With pipeline, just specify the task and the model id from the Hub.
from transformers import pipeline
pipe = pipeline("text-generation", model="distilbert/distilgpt2")

# If you want more control, you will need to define the tokenizer and model.
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("distilbert/distilgpt2")
model = AutoModelForCausalLM.from_pretrained("distilbert/distilgpt2")

커밋 해시, 태그 이름, 또는 브랜치를 기반으로 특정 버전에서 모델을 로드할 수도 있습니다:

model = AutoModel.from_pretrained(
    "julien-c/EsperBERTo-small", revision="v2.0.1"  # tag name, or branch name, or commit hash
)

특정 모델을 로드하는 방법을 확인하려면 Use in Transformers를 클릭하면 해당 모델을 로드할 수 있는 작동하는 스니펫이 제공됩니다. 모델 아키텍처에 대한 추가 정보가 필요하면 스니펫 하단의 “Read model documentation”을 클릭할 수도 있습니다.

모델 공유

transformers를 사용하여 모델을 공유하는 방법에 대해 자세히 알아보려면 공식 문서의 모델 공유 가이드를 참고하세요.

transformers의 모델과 토크나이저와 같은 많은 클래스에는 push_to_hub 메서드가 있어 파일을 저장소에 쉽게 업로드할 수 있습니다.

# Pushing model to your own account
model.push_to_hub("my-awesome-model")

# Pushing your tokenizer
tokenizer.push_to_hub("my-awesome-model")

# Pushing all things after training
trainer.push_to_hub()

더 많은 작업을 수행할 수 있으므로 모델 공유 가이드를 검토해 보시기 바랍니다.

추가 리소스

• Transformers 라이브러리.
• Transformers 문서.
• 모델 가이드 공유