va faire un câlin

go-huggingface , téléchargez, tokenisez et convertissez des modèles depuis HuggingFace.

Aperçu

Des API simples pour le téléchargement ( hub ), la tokenisation ( tokenizers ) et ( travaux futurs ) la conversion de modèles ( models ) de HuggingFace ? modèles utilisant GoMLX.

EXPÉRIMENTAL et EN DÉVELOPPEMENT : Bien que le package hub soit stable, les tokenizers et les futurs models sont toujours en développement intense.

Exemples

Préambule : importations et variables

 import ("github.com/gomlx/go-huggingface/hub""github.com/gomlx/go-huggingface/tokenizers")var ( // ID de modèle pour testing.hfModelIDs = []string{ "google/gemma-2 -2b-it", "transformateurs de phrases/all-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") // Créez votre jeton d'authentification HuggingFace dans huggingface.co, pour permettre le téléchargement de modèles.)

Liste des fichiers pour chaque modèle

 pour _, modelID := range hfModelIDs { fmt.Printf("n%s:n", modelID) repo := hub.New(modelID).WithAuth(hfAuthToken) pour fileName, err := range repo.IterFileNames() { if err != nil { panic(err) } fmt.Printf("t%sn", fileName)
	}
}

Répertorier les classes de tokenizer pour chaque modèle

 pour _, modelID := range hfModelIDs { fmt.Printf("n%s:n", modelID) repo := hub.New(modelID).WithAuth(hfAuthToken) config, err := tokenizers.GetConfig(repo) if err != néant { panique(err) } fmt.Printf("ttokenizer_class=%sn", config.TokenizerClass)
}

Tokeniser pour google/gemma-2-2b-it

• Le message de sortie « Téléchargé » apparaît uniquement lorsque le fichier tokenizer n'est pas encore mis en cache, donc seulement la première fois :

 repo := hub.New("google/gemma-2-2b-it").WithAuth(hfAuthToken)tokenizer, err := tokenizers.New(repo)if err != nil { panic(err) }phrase := " Le livre est sur la table."tokens := tokenizer.Encode(sentence)fmt.Printf("Sentence:t%sn", phrase)fmt.Printf("Jetons : t%vn", jetons) 

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

Téléchargez et exécutez le modèle ONNX pour sentence-transformers/all-MiniLM-L6-v2

Seules les 3 premières lignes font réellement une démonstration go-huggingface . Les lignes restantes utilisent github.com/gomlx/onnx-gomlx pour analyser et convertir le modèle ONNX en GoMLX, puis github.com/gomlx/gomlx pour exécuter le modèle converti pour quelques phrases.

 // Obtenez ONNX model.repo := hub.New("sentence-transformers/all-MiniLM-L6-v2").WithAuth(hfAuthToken)onnxFilePath, err := repo.DownloadFile("onnx/model.onnx")if err != nil { panic(err) }onnxModel, err := onnx.ReadFile(onnxFilePath)if err != nil { panic(err) }// Convertir les variables ONNX en contexte GoMLX (qui stocke les variables) :ctx := context.New()err = onnxModel.VariablesToContext(ctx)if err != nil { panic(err) } // Test input.sentences := []string{ "Ceci est un exemple de phrase", "Chaque phrase est convertie"}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}}attentionMask := [][]int64{
	{1, 1, 1, 1, 1, 1, 1},
	{1, 1, 1, 1, 1, 1, 0}}// Exécuter le graphique GoMLX avec 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": inputs[0], "attention_mask": inputs[1], "token_type_ids": inputs[2]}) return modelOutputs[0]
	},
	 inputIDs, attentionMask, tokenTypeIDs)fmt.Printf("Sentences : t%qn", phrases)fmt.Printf("Embeddings:t%sn", incorporations) 

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}}}