从 Hugging Face Hub 共享和加载模型

timm 库与 Hugging Face Hub 集成，可以轻松地从 🤗 Hub 共享和加载模型。

在本简短指南中，我们将了解如何

身份验证

首先，您需要确保已安装 huggingface_hub 包。

pip install huggingface_hub

然后，您需要进行身份验证。您可以通过运行以下命令来实现

huggingface-cli login

或者，如果您使用的是笔记本，则可以使用 notebook_login 辅助函数

>>> from huggingface_hub import notebook_login
>>> notebook_login()

>>> import timm
>>> model = timm.create_model('resnet18', pretrained=True, num_classes=4)

此处是您通常训练或微调模型的地方。为了本教程的目的，我们将跳过此步骤。

假设我们现在已经微调了模型。下一步是将其推送到 Hub！我们可以使用 timm.models.hub.push_to_hf_hub 函数来实现。

>>> model_cfg = dict(label_names=['a', 'b', 'c', 'd'])
>>> timm.models.push_to_hf_hub(model, 'resnet18-random', model_config=model_cfg)

运行上述代码会将模型推送到 Hub 上的 <your-username>/resnet18-random。您现在可以与您的朋友共享此模型，或在您自己的代码中使用它！

从 Hub 加载模型就像使用 pretrained 参数设置为要加载的模型名称来调用 timm.create_model 一样简单。在本例中，我们将使用 nateraw/resnet18-random，这是我们刚刚推送到 Hub 的模型。

>>> model_reloaded = timm.create_model('hf_hub:nateraw/resnet18-random', pretrained=True)