顔を抱きしめる
v0.1.0
HuggingFace のダウンロード ( hub )、トークン化 ( tokenizers )、および (将来の作業) モデル変換 ( models ) のための単純な API? GoMLX を使用したモデル。
実験中および開発中: hubパッケージは安定していますが、 tokenizersと将来のmodelsまだ鋭意開発中です。
import ("github.com/gomlx/go-huggingface/hub""github.com/gomlx/go-huggingface/tokenizers")var ( // testing 用のモデル ID.hfModelIDs = []string{ "google/gemma-2 -2b-it"、"sentence-transformers/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") // モデルのダウンロードを許可するために、huggingface.co に HuggingFace 認証トークンを作成します。)for _, modelID := range hfModelIDs { fmt.Printf("n%s:n", modelID) repo := Hub.New(modelID).WithAuth(hfAuthToken) for fileName, err := range repo.IterFileNames() { if err != nil { パニック(err) } fmt.Printf("t%sn", fileName)
}
} for _, modelID := range hfModelIDs { fmt.Printf("n%s:n", modelID) repo := Hub.New(modelID).WithAuth(hfAuthToken) config, err := tokenizers.GetConfig(repo) if err != nil { パニック(err) } fmt.Printf("ttokenizer_class=%sn", config.TokenizerClass)
}google/gemma-2-2b-it用にトークン化する出力「ダウンロード済み」メッセージは、トークナイザー ファイルがまだキャッシュされていないため、初回のみ発生します。
repo := Hub.New("google/gemma-2-2b-it").WithAuth(hfAuthToken)tokenizer、err := tokenizers.New(repo)if err != nil {パニック(err) }文 := "本はテーブルの上にあります。」トークン := tokenizer.Encode(文)fmt.Printf("文:t%sn", 文)fmt.Printf("トークン: t%vn", トークン) Downloaded 1/1 files, 4.2 MB downloaded Sentence: The book is on the table. Tokens: [651 2870 603 611 573 3037 235265]
sentence-transformers/all-MiniLM-L6-v2の ONNX モデルをダウンロードして実行します実際にgo-huggingfaceをデモしているのは最初の 3 行だけです。残りの行では、 github.com/gomlx/onnx-gomlx使用して ONNX モデルを解析して GoMLX に変換し、次にgithub.com/gomlx/gomlx使用して変換されたモデルをいくつかの文に対して実行します。
// ONNX model.repo を取得します := Hub.New("sentence-transformers/all-MiniLM-L6-v2").WithAuth(hfAuthToken)onnxFilePath, err := repo.DownloadFile("onnx/model.onnx")if err != nil { パニック(err) }onnxModel、err := onnx.ReadFile(onnxFilePath)if err != nil {パニック(err) }// ONNX 変数を GoMLX コンテキスト (変数を保存する) に変換します:ctx := context.New()err = onnxModel.VariablesToContext(ctx)if err ! = nil { Panic(err) }// input.sentences をテストします := []string{ "これは例です文", "各文が変換されます"}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}}// model.embeddings := context.ExecOnce( backends.New(), ctx, func (ctx *context.Context, inputs []) を使用して GoMLX グラフを実行します*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"、文章)fmt.Printf("Embeddings:t%sn"、embeddings) 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}}} 
