11 февраля 2025 г.
Присоединяйтесь к нам, и мы вернемся к основному докладу с YOLO Vision 2024, посвященному изучению того, как инструменты с открытым исходным кодом Hugging Face продвигают разработку ИИ.
Выбор правильных алгоритмов — это только часть создания эффективных решений в области компьютерного зрения. Инженеры по ИИ часто работают с большими наборами данных, точно настраивают модели для конкретных задач и оптимизируют системы ИИ для реальной производительности. По мере того, как приложения ИИ внедряются все быстрее, растет и потребность в инструментах, упрощающих эти процессы.
На ежегодном гибридном мероприятии YOLO Vision 2024 (YV24), организованном Ultralytics, эксперты в области искусственного интеллекта и энтузиасты технологий собрались вместе, чтобы изучить последние инновации в компьютерном зрении. На мероприятии прошли дискуссии по различным темам, таким как способы ускорения разработки приложений на основе ИИ.
Одним из ключевых моментов мероприятия стало выступление, посвященное Hugging Face, платформе ИИ с открытым исходным кодом, которая упрощает обучение, оптимизацию и развертывание моделей. Павел Лакубовский, инженер по машинному обучению в Hugging Face, рассказал о том, как их инструменты улучшают рабочие процессы для задач компьютерного зрения, таких как обнаружение объектов на изображениях, классификация изображений по различным группам и прогнозирование без предварительного обучения на конкретных примерах (zero-shot learning).
Hugging Face Hub размещает и предоставляет доступ к различным моделям ИИ и компьютерного зрения, таким как Ultralytics YOLO11. В этой статье мы подведем итоги доклада Павла и рассмотрим, как разработчики могут использовать инструменты с открытым исходным кодом Hugging Face для быстрой разработки и развертывания моделей ИИ.
Павел начал свой доклад с представления Hugging Face как платформы ИИ с открытым исходным кодом, предлагающей предварительно обученные модели для различных приложений. Эти модели предназначены для различных направлений ИИ, включая обработку естественного языка (NLP), компьютерное зрение и мультимодальный ИИ, что позволяет системам обрабатывать различные типы данных, такие как текст, изображения и аудио.
Павел упомянул, что на Hugging Face Hub сейчас размещено более 1 миллиона моделей, и разработчики могут легко найти модели, подходящие для их конкретных проектов. Hugging Face стремится упростить разработку ИИ, предлагая инструменты для обучения, тонкой настройки и развертывания моделей. Когда разработчики могут экспериментировать с различными моделями, это упрощает процесс интеграции ИИ в реальные приложения.
Хотя Hugging Face изначально был известен благодаря NLP, с тех пор он расширился до компьютерного зрения и мультимодального ИИ, что позволяет разработчикам решать более широкий круг задач ИИ. У него также есть сильное сообщество, где разработчики могут сотрудничать, делиться идеями и получать поддержку через форумы, Discord и GitHub.
Углубляясь в детали, Павел объяснил, как инструменты Hugging Face упрощают создание приложений компьютерного зрения. Разработчики могут использовать их для таких задач, как классификация изображений, обнаружение объектов и приложения, использующие зрение и язык.
Он также отметил, что многие из этих задач компьютерного зрения можно решить с помощью предварительно обученных моделей, доступных в Hugging Face Hub, что экономит время за счет уменьшения необходимости обучения с нуля. Фактически, Hugging Face предлагает более 13 000 предварительно обученных моделей для задач классификации изображений, включая модели для классификации продуктов питания, классификации домашних животных и определения эмоций.
Подчеркивая доступность этих моделей, он сказал: "Вероятно, вам даже не нужно обучать модель для своего проекта - вы можете найти ее в Hub, уже обученную кем-то из сообщества."
Приводя другой пример, Павел подробно рассказал о том, как Hugging Face может помочь в обнаружении объектов — ключевой функции компьютерного зрения, которая используется для идентификации и определения местоположения объектов на изображениях. Даже при ограниченном количестве размеченных данных предварительно обученные модели, доступные в Hugging Face Hub, могут сделать обнаружение объектов более эффективным.
Он также дал краткий обзор нескольких моделей, созданных для этой задачи, которые можно найти на Hugging Face:
Затем Павел переключил внимание на практическое использование моделей Hugging Face, объяснив три способа, которыми разработчики могут их использовать: изучение моделей, быстрое их тестирование и дальнейшая настройка.
Он продемонстрировал, как разработчики могут просматривать модели непосредственно в Hugging Face Hub, не написав ни строчки кода, что упрощает мгновенное тестирование моделей через интерактивный интерфейс. «Вы можете попробовать это, не написав ни строчки кода и не загружая модель на свой компьютер», — добавил Павел. Поскольку некоторые модели имеют большой размер, их запуск в Hub помогает избежать ограничений по хранению и обработке.
Кроме того, Hugging Face Inference API позволяет разработчикам запускать модели ИИ с помощью простых вызовов API. Это отлично подходит для быстрого тестирования, проектов proof-of-concept и быстрого прототипирования без необходимости сложной настройки.
Для более продвинутых вариантов использования разработчики могут использовать фреймворк Hugging Face Transformers, инструмент с открытым исходным кодом, который предоставляет предварительно обученные модели для задач обработки текста, изображений и аудио, поддерживая как PyTorch, так и TensorFlow. Павел объяснил, что всего двумя строками кода разработчики могут получить модель из Hugging Face Hub и связать ее с инструментом предварительной обработки, таким как процессор изображений, для анализа данных изображений для приложений Vision AI.
Далее, Павел объяснил, как Hugging Face может оптимизировать рабочие процессы ИИ. Одной из ключевых тем, которую он затронул, была оптимизация механизма внимания в Transformers, основной функции моделей глубокого обучения, которая помогает им сосредоточиться на наиболее релевантных частях входных данных. Это повышает точность задач, связанных с обработкой языка и компьютерным зрением. Однако это может потребовать больших ресурсов.
Оптимизация механизма внимания может значительно снизить использование памяти и повысить скорость. Павел отметил: «Например, переключившись на более эффективную реализацию внимания, вы можете увидеть увеличение производительности до 1,8 раза».
Hugging Face обеспечивает встроенную поддержку более эффективных реализаций механизма внимания в рамках фреймворка Transformers. Разработчики могут включить эти оптимизации, просто указав альтернативную реализацию механизма внимания при загрузке модели.
Он также рассказал о квантовании, методе, который уменьшает размер моделей ИИ за счет снижения точности используемых ими чисел, не слишком влияя на производительность. Это помогает моделям использовать меньше памяти и работать быстрее, что делает их более подходящими для устройств с ограниченной вычислительной мощностью, таких как смартфоны и встроенные системы.
Чтобы еще больше повысить эффективность, Павел представил библиотеку Hugging Face Optimum, набор инструментов, предназначенных для оптимизации и развертывания моделей. Всего с помощью нескольких строк кода разработчики могут применять методы квантования и преобразовывать модели в эффективные форматы, такие как ONNX (Open Neural Network Exchange), что позволяет им бесперебойно работать на различных типах оборудования, включая облачные серверы и периферийные устройства.
Наконец, Павел упомянул о преимуществах Torch Compile, функции в PyTorch, которая оптимизирует способ обработки данных моделями ИИ, делая их работу более быстрой и эффективной. Hugging Face интегрирует Torch Compile в свои библиотеки Transformers и Optimum, позволяя разработчикам воспользоваться этими улучшениями производительности с минимальными изменениями кода.
Оптимизируя вычислительную структуру модели, Torch Compile может ускорить время инференса и увеличить частоту кадров с 29 до 150 кадров в секунду без ущерба для точности или качества.
Далее, Павел вкратце коснулся того, как разработчики могут расширять и развертывать модели Vision AI с помощью инструментов Hugging Face после выбора правильной модели и выбора наилучшего подхода к разработке.
Например, разработчики могут развертывать интерактивные приложения ИИ с помощью Gradio и Streamlit. Gradio позволяет разработчикам создавать веб-интерфейсы для моделей машинного обучения, а Streamlit помогает создавать интерактивные приложения для работы с данными с помощью простых сценариев Python.
Павел также отметил: “Не нужно начинать писать все с нуля,” имея в виду руководства, обучающие блокноты и примеры скриптов, которые предоставляет Hugging Face. Эти ресурсы помогают разработчикам быстро начать работу без необходимости создавать все с нуля.
Завершая свой доклад, Павел подытожил преимущества использования Hugging Face Hub. Он подчеркнул, как это упрощает управление моделями и сотрудничество. Он также обратил внимание на доступность руководств, блокнотов и учебных пособий, которые могут помочь как начинающим, так и экспертам понять и внедрить модели ИИ.
"На Hub уже есть много интересных пространств. Вы можете найти похожие, клонировать общий код, изменить несколько строк, заменить модель своей собственной и отправить ее обратно", — пояснил он, призывая разработчиков воспользоваться гибкостью платформы.
Во время своего выступления на YV24 Павел рассказал о том, как Hugging Face предоставляет инструменты, поддерживающие обучение, оптимизацию и развертывание моделей ИИ. Например, такие инновации, как Transformers, Optimum и Torch Compile, могут помочь разработчикам повысить производительность моделей.
По мере того как модели ИИ становятся более эффективными, достижения в области квантования и периферийного развертывания упрощают их запуск на устройствах с ограниченными ресурсами. Эти улучшения в сочетании с такими инструментами, как Hugging Face, и передовыми моделями компьютерного зрения, такими как Ultralytics YOLO11, являются ключом к созданию масштабируемых, высокопроизводительных приложений Vision AI.
Присоединяйтесь к нашему растущему сообществу! Изучите наш репозиторий на GitHub, чтобы узнать больше об ИИ, и ознакомьтесь с нашими лицензиями YOLO, чтобы начать свои проекты в области Vision AI. Интересуетесь инновациями, такими как компьютерное зрение в здравоохранении или компьютерное зрение в сельском хозяйстве? Посетите страницы наших решений, чтобы узнать больше!
.webp)