在 Hugging Face 使用 AllenNLP
allennlp 是一个用于在不同语言任务上开发最先进模型的 NLP 库。它为现代 NLP 中的常见组件和模型提供高级抽象和 API。它还提供了一个可扩展的框架，使运行和管理 NLP 实验变得容易。
在 Hub 上探索 allennlp
你可以通过在模型页面左侧筛选来找到 Hub 上的 allennlp 模型。
Hub 上的所有模型都配备了有用的功能：
- 带有自动托管 TensorBoard 跟踪的训练指标标签页。
- 有助于可发现性的元数据标签。
- 一个交互式小部件，你可以直接在浏览器中使用模型。
- 允许进行推理请求的推理 API。
使用现有模型
你可以使用 Predictor 类加载 Hub 上的现有模型。为此，使用 from_path 方法并在仓库 ID 前加上 "hf://" 前缀。以下是一个端到端示例。
import allennlp_models
from allennlp.predictors.predictor import Predictor
predictor = Predictor.from_path("hf://allenai/bidaf-elmo")
predictor_input = {
"passage": "My name is Wolfgang and I live in Berlin",
"question": "Where do I live?"
}
predictions = predictor.predict_json(predictor_input)
要获得这样的代码片段，你可以点击右上角的 Use in AllenNLP，
分享你的模型
第一步是在本地保存模型。例如，你可以使用 archive_model 方法将模型保存为 model.tar.gz 文件。然后你可以将压缩的模型推送到 Hub。当你使用 allennlp 训练模型时，模型会自动序列化，因此你可以将其作为首选选项。
使用 AllenNLP CLI
要使用 CLI 推送，你可以使用如下所示的 allennlp push_to_hf 命令。
allennlp push_to_hf --repo_name test_allennlp --archive_path model
| 参数 | 类型 | 描述 |
|---|---|---|
--repo_name, -n | str / Path | Hub 上的仓库名称。 |
--organization, -o | str | 管道应上传到的组织名称（可选）。 |
--serialization-dir, -s | str / Path | 包含序列化模型的目录路径。 |
--archive-path, -a | str / Path | 如果你使用的是压缩模型（例如 model/model.tar.gz）而不是序列化路径，可以使用此标志。 |
--local-repo-path, -l | str / Path | 模型仓库的本地路径（如果不存在将创建）。默认为当前工作目录中的 hub。 |
--commit-message, -c | str | 用于更新的提交消息。默认为 "update repository"。 |
从 Python 脚本
push_to_hf 函数具有与 bash 脚本相同的参数。
from allennlp.common.push_to_hf import push_to_hf
serialization_dir = "path/to/serialization/directory"
push_to_hf(
repo_name="my_repo_name",
serialization_dir=serialization_dir,
local_repo_path=self.local_repo_path
)
只需一分钟，你就可以在 Hub 上获得你的模型，直接在浏览器中试用它，并与社区的其他成员分享。所有必需的元数据都会为你上传！