ir a abrazar la cara

go-huggingface , descarga, tokeniza y convierte modelos de HuggingFace.

Descripción general

¿API simples para descargar ( hub ), tokenizar ( tokenizers ) y ( trabajo futuro ) convertir modelos ( models ) de HuggingFace? modelos usando GoMLX.

EXPERIMENTAL y EN DESARROLLO : Si bien el paquete hub se ha mantenido estable, los tokenizers y los models futuros aún se encuentran en intenso desarrollo.

Ejemplos

Preámbulo: Importaciones y variables

 import ("github.com/gomlx/go-huggingface/hub""github.com/gomlx/go-huggingface/tokenizers")var ( // ID de modelo para testing.hfModelIDs = []string{ "google/gemma-2 -2b-it", "transformadores de oraciones/todos-MiniLM-L6-v2", "protectai/deberta-v3-base-zeroshot-v1-onnx", "KnightsAnalytics/distilbert-base-uncased-finetuned-sst-2-english", "KnightsAnalytics/distilbert-NER", "SamLowe/roberta-base-go_emotions -onnx",
	} hfAuthToken = os.Getenv("HF_TOKEN") // Cree su token de autenticación HuggingFace en huggingface.co, para permitir la descarga de modelos).

Listar archivos para cada modelo.

 para _, modelID := rango hfModelIDs { fmt.Printf("n%s:n", modelID) repositorio := hub.New(modelID).WithAuth(hfAuthToken) para fileName, err := rango repo.IterFileNames() { si err != nil { pánico(err) } fmt.Printf("t%sn", fileName)
	}
}

Listar clases de tokenizadores para cada modelo.

 para _, modelID := rango hfModelIDs { fmt.Printf("n%s:n", modelID) repositorio := hub.New(modelID).WithAuth(hfAuthToken) configuración, err := tokenizers.GetConfig(repo) si err != nil { pánico(err) } fmt.Printf("ttokenizer_class=%sn", config.TokenizerClass)
}

Tokenizar para google/gemma-2-2b-it

• El mensaje de salida "Descargado" ocurre solo porque el archivo tokenizador aún no está almacenado en caché, por lo que solo la primera vez:

 repositorio := hub.New("google/gemma-2-2b-it").WithAuth(hfAuthToken)tokenizer, err := tokenizers.New(repo)if err != nil { pánico(err) }sentencia := " El libro está sobre la mesa."tokens := tokenizer.Encode(sentence)fmt.Printf("Sentence:t%sn", frase)fmt.Printf("Tokens: t%vn", tokens) 

Downloaded 1/1 files, 4.2 MB downloaded         
Sentence:	The book is on the table.
Tokens:  	[651 2870 603 611 573 3037 235265]

Descargue y ejecute el modelo ONNX para sentence-transformers/all-MiniLM-L6-v2

En realidad, solo las primeras 3 líneas son una demostración go-huggingface . Las líneas restantes usan github.com/gomlx/onnx-gomlx para analizar y convertir el modelo ONNX a GoMLX, y luego github.com/gomlx/gomlx para ejecutar el modelo convertido durante un par de oraciones.

 // Obtener ONNX model.repo := hub.New("sentence-transformers/all-MiniLM-L6-v2").WithAuth(hfAuthToken)onnxFilePath, err := repo.DownloadFile("onnx/model.onnx")if err != nil { pánico(err) }onnxModel, err := onnx.ReadFile(onnxFilePath)if err != nil { pánico(err) }// Convertir variables ONNX al contexto GoMLX (que almacena variables):ctx := context.New()err = onnxModel.VariablesToContext(ctx)if err != nil { pánico(err) }// Prueba input.sentences := []string{ "Esta es una oración de ejemplo", "Cada oración se convierte"}inputIDs := [][]int64{
	{101, 2023, 2003, 2019, 2742, 6251, 102},
	{ 101, 2169, 6251, 2003, 4991, 102, 0}}tokenTypeID: = [][]int64{
	{0, 0, 0, 0, 0, 0, 0},
	{0, 0, 0, 0, 0, 0, 0}}máscara de atención := [][]int64{
	{1, 1, 1, 1, 1, 1, 1},
	{1, 1, 1, 1, 1, 1, 0}}// Ejecute el gráfico GoMLX con model.embeddings := context.ExecOnce( backends.New(), ctx, func (ctx *context.Context, inputs [] *graph.Node) *graph.Node { modelOutputs := onnxModel.CallGraph(ctx, inputs[0].Graph(), map[string]*graph.Node{ "input_ids": entradas[0], "attention_mask": entradas[1], "token_type_ids": entradas[2]}) devuelve modelOutputs[0]
	},
	 inputIDs, atencionMask, tokenTypeIDs)fmt.Printf("Sentencias: t%qn", oraciones)fmt.Printf("Incrustaciones:t%sn", incrustaciones) 

Sentences: 	["This is an example sentence" "Each sentence is converted"]
Embeddings:	[2][7][384]float32{
 {{0.0366, -0.0162, 0.1682, ..., 0.0554, -0.1644, -0.2967},
  {0.7239, 0.6399, 0.1888, ..., 0.5946, 0.6206, 0.4897},
  {0.0064, 0.0203, 0.0448, ..., 0.3464, 1.3170, -0.1670},
  ...,
  {0.1479, -0.0643, 0.1457, ..., 0.8837, -0.3316, 0.2975},
  {0.5212, 0.6563, 0.5607, ..., -0.0399, 0.0412, -1.4036},
  {1.0824, 0.7140, 0.3986, ..., -0.2301, 0.3243, -1.0313}},
 {{0.2802, 0.1165, -0.0418, ..., 0.2711, -0.1685, -0.2961},
  {0.8729, 0.4545, -0.1091, ..., 0.1365, 0.4580, -0.2042},
  {0.4752, 0.5731, 0.6304, ..., 0.6526, 0.5612, -1.3268},
  ...,
  {0.6113, 0.7920, -0.4685, ..., 0.0854, 1.0592, -0.2983},
  {0.4115, 1.0946, 0.2385, ..., 0.8984, 0.3684, -0.7333},
  {0.1374, 0.5555, 0.2678, ..., 0.5426, 0.4665, -0.5284}}}