timm 文档

从 Hugging Face Hub 共享和加载模型

Hugging Face's logo
加入 Hugging Face 社区

并获得增强文档体验

开始

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

  1. 在 Hub 上共享 timm 模型
  2. 如何从 Hub 加载该模型

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()

共享模型

>>> 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!

加载模型

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)
< > GitHub 更新