Bienvenue à PaddlePaddle sur le Hugging Face Hub

'Welcome to PaddlePaddle on the Hugging Face Hub.'

Nous sommes heureux de partager une collaboration open source entre Hugging Face et PaddlePaddle dans le but d’avancer et de démocratiser l’IA grâce à l’open source !

D’abord open sourcé par Baidu en 2016, PaddlePaddle permet aux développeurs de tous niveaux de compétence d’adopter et de mettre en œuvre l’apprentissage profond à grande échelle. Au quatrième trimestre 2022, PaddlePaddle est utilisé par plus de 5,35 millions de développeurs et 200 000 entreprises, se classant en tête en termes de part de marché parmi les plates-formes d’apprentissage profond en Chine. PaddlePaddle propose des référentiels open source populaires tels que le framework d’apprentissage profond Paddle, des bibliothèques de modèles dans différentes modalités (par exemple, PaddleOCR, PaddleDetection, PaddleNLP, PaddleSpeech), PaddleSlim pour la compression de modèles, FastDeploy pour le déploiement de modèles, et bien d’autres.

Avec PaddleNLP en tête, PaddlePaddle intégrera progressivement ses bibliothèques avec le Hub Hugging Face. Vous pourrez bientôt jouer avec l’ensemble complet des modèles pré-entraînés impressionnants de PaddlePaddle dans les domaines du texte, de l’image, de l’audio, de la vidéo et des multimodalités sur le Hub !

Trouver des modèles PaddlePaddle

Vous pouvez trouver tous les modèles PaddlePaddle sur le Hub des modèles en filtrant avec l’étiquette de la bibliothèque PaddlePaddle.

Il y a déjà plus de 75 modèles PaddlePaddle sur le Hub. Par exemple, vous pouvez trouver notre série de modèles d’extraction d’informations multi-tâches UIE, la série de modèles de langue chinoise de pointe ERNIE 3.0, le modèle de pré-entraînement de documents novateur Ernie-Layout avec amélioration des connaissances de mise en page dans l’ensemble du flux de travail, et bien d’autres encore.

Vous êtes également invités à consulter l’organisation PaddlePaddle sur le Hub HuggingFace. En plus des modèles mentionnés ci-dessus, vous pouvez également explorer nos espaces, y compris notre Ernie-ViLG pour le texte vers l’image, notre moteur d’extraction d’informations multimodal UIE-X et notre superbe trousse à outils OCR multilingue PaddleOCR.

API d’inférence et widgets

Les modèles PaddlePaddle sont disponibles via l’API d’inférence, que vous pouvez utiliser via HTTP avec cURL, la bibliothèque requests de Python, ou votre méthode préférée pour effectuer des requêtes réseau.

Les modèles qui prennent en charge une tâche sont équipés d’un widget interactif qui vous permet de jouer avec le modèle directement dans le navigateur.

Utiliser des modèles existants

Si vous souhaitez voir comment charger un modèle spécifique, vous pouvez cliquer sur Utiliser dans paddlenlp (ou d’autres bibliothèques PaddlePaddle à l’avenir) et vous obtiendrez un extrait de code fonctionnel pour le charger !

Partager des modèles

En fonction de la bibliothèque PaddlePaddle, vous pouvez peut-être partager vos modèles en les poussant vers le Hub. Par exemple, vous pouvez partager des modèles PaddleNLP en utilisant la méthode save_to_hf_hub.

from paddlenlp.transformers import AutoTokenizer, AutoModelForMaskedLM

tokenizer = AutoTokenizer.from_pretrained("PaddlePaddle/ernie-3.0-base-zh", from_hf_hub=True)
model = AutoModelForMaskedLM.from_pretrained("PaddlePaddle/ernie-3.0-base-zh", from_hf_hub=True)

tokenizer.save_to_hf_hub(repo_id="<my_org_name>/<my_repo_name>")
model.save_to_hf_hub(repo_id="<my_org_name>/<my_repo_name>")

Conclusion

PaddlePaddle est une plate-forme d’apprentissage profond open source qui est issue de la pratique industrielle et qui open source des projets innovants et de qualité industrielle depuis 2016. Nous sommes ravis de rejoindre le Hub pour partager notre travail avec la communauté HuggingFace et vous pouvez vous attendre à plus de projets amusants et de pointe de notre part bientôt ! Pour rester informé des dernières actualités, vous pouvez nous suivre sur Twitter à @PaddlePaddle.

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more