中文
本页内容

快速上手 ​

入门导读 ​

  • 如果您是新手，想要快速体验魔乐社区全流程操作，请参考本节快速上手指导文档。
  • 如果本地开发环境已准备好，想要获取更多模型进一步探索使用，请参考模型库指导文档进行学习和操作。
  • 如果想开展特定的Task任务，并想了解Task使用的模型、训练、推理及导出的模型信息，请参考Task指导文档了解详情。
  • 如果您想成为社区的贡献者，请参考贡献者指南，学习成为魔乐社区贡献者的基础操作和平台相关规范，助力社区知识共享。

获取模型 ​

您可以访问魔乐社区模型库，获取平台上所有公开的模型，并根据模型标签或任务筛选所需的模型。

接下来以PyTorch-NPU/qwen1.5_7b_chat模型为例，带您深度体验魔乐社区模型库。

进入魔乐社区模型库后，您可以通过筛选“文本分类”任务或者在搜索框输入模型名称的关键词，定位到所需的模型上。模型卡片中将展示模型的基础信息、任务类型、模型使用的AI框架等信息，帮助您快速了解模型关键信息，判断其是否为目标模型。

model_card

单击模型卡片，进入模型详情页内，查看模型介绍。在这里，您可以了解模型所有者提供的详细信息和操作指导。

model_introduce

根据右侧关联的体验空间，可以跳转至体验空间，在线体验模型在具体应用程序中的效果。

model_space

除了在线体验关联的体验空间之外，用户可以下载模型文件，当前支持Git和openMind Hub Client等方式下载，具体操作请参考下载模型。

如果您想进一步验证模型效果，请单击模型右上角的“Use in openMind”，在已准备好本地环境（参考“环境准备”）的前提下，下载并加载模型，Web界面命令示例如下：

use in openMind

环境准备 ​

本地运行模型时，本地开发环境需要满足如下要求：

  • 安装Python环境：支持Python 3.8/3.9/3.10版本，可参考安装说明。
  • 安装深度学习框架：支持MindSpore 2.3.1、PyTorch 2.1.0两大深度学习框架进行模型训练和推理，当前快速上手样例请安装PyTorch 2.1.0。
  • 安装openMind Hub Client：使用pip安装openMind Hub Client。
  • 安装openMind Library:使用pip安装openMind Library。

更详细的安装信息请参考环境安装。

实践：文本的情感分析任务 ​

使用openMind Library等工具套件仅需简单的几行代码即可完成模型推理，本节以文本的情感分析任务为例，请参考如下步骤进行模型推理。

操作步骤 ​

  1. 使用“用户名/仓库名”的格式指定魔乐社区模型库内的情感分析微调的多语言BERT模型distilbert_base_uncased_finetuned_sst_2_english模型代码仓，并使用 AutoModelForSequenceClassification和AutoTokenizer加载该代码仓中的预训练模型和关联的分词器。
  2. 通过pipeline()指定模型和分词器。
  3. 通过classifier对输入的文本内容进行情感分析。
  4. 查看分析结果。

完整的示例代码如下：

python
from openmind import pipeline
from openmind import AutoTokenizer, AutoModelForSequenceClassification
# 指定模型库内的PyTorch-NPU/distilbert_base_uncased_finetuned_sst_2_english代码仓
model_name = "PyTorch-NPU/distilbert_base_uncased_finetuned_sst_2_english"
# 从模型库下载并加载该模型及分词器
model = AutoModelForSequenceClassification.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)
# 创建分词器
classifier = pipeline("sentiment-analysis", model=model, tokenizer=tokenizer)
# 输入文本，进行情感分析
classifier("Welcome to openMind!")

查看输出结果：

python
[{'label': 'POSITIVE', 'score': 0.999784529209137}]

后续操作 ​

至此，我们已经在魔乐社区完成了一个基础的深度学习任务，魔乐社区不仅提供了丰富的模型资源，还支持用户在魔乐社区上在线体验模型的训练和推理，丰富的API接口支持开发功能强大的推理应用程序，探索更多开发工具和生态资源，可参考如下教程和样例开启深度体验之旅。