利用 Hugging Face 的 Transformers 驱动开源计算机视觉
与 Hugging Face 一起深入研究开源计算机视觉！了解迁移学习、Transformers 并探索超过 8000 种模型。加入 Merve Noyan 获取见解和实用演示，赋能开发者在 AI 探索中进行创新。
随着我们继续探索 YOLO VISION 2023 (YV23) 活动的亮点，让我们来认识一下 Hugging Face 的开发者权益工程师 Merve Noyan。Hugging Face 是领先的自然语言处理平台，提供用于高效开发语言应用的预训练模型。在演讲中，Merve 分享了关于开源计算机视觉世界的精彩见解。
加入我们，一起踏上探索迁移学习、Transformer 和开源计算机视觉生态系统奇妙世界的旅程。
迁移学习揭秘：快速回顾#
Merve 以对迁移学习的简要介绍开启了演讲，这就像一根魔杖，让我们能够将知识从一个神经网络转移到另一个神经网络。想象一下，在一个模型上训练早期层中的通用特征（如边缘和角点），然后针对特定任务进行微调。这就是迁移学习的精髓，它减少了对数据的依赖并提高了准确性。
Merve 重点介绍了 ResNet 和 Inception 等经典卷积主干网络，为接下来的变革之旅奠定了基础。
走进 transformers：一个未解之谜#
是什么让 Transformers 如此特别？Merve 将其比作一个谜题，展示了它们与传统基于卷积的模型有何不同。其秘诀在于它们具备执行自监督学习的能力，无需标记数据即可捕捉特征。Vision Transformer、Data Efficient Transformer、CLIP 和 Swin Transformer 都是她介绍的明星 Transformer 模型。
与提供支持 Ultralytics Transformer 模型的基础达成共识，该模型专为目标检测而设计。该模型具有高效的混合编码器、IOU 感知查询选择以及可调的推理速度。值得注意的是，它遵循其他 Ultralytics YOLOv8 模型的熟悉模式，提供预测、训练、验证和导出选项。
你的一站式商店#
随后，Merve 深入介绍了 Hugging Face 的宝库，其中包括超过 8,000 个用于经典计算机视觉任务的模型和 10,000 个用于多模态应用的模型。Hugging Face Hub 拥有超过 3,000 个数据集，使其成为开发者和爱好者们的游乐场。Merve 强调了得益于 Hugging Face 一致的 API，你可以获得无缝的体验，并为各种用例提供现成的模型。
通过 Hugging Face 进行实践魔法#
演讲转向了实际演示，展示了使用模型是多么轻松。从实例化模型和处理器到使用 Trainer API 进行微调，Merve 明确表示 Hugging Face Transformers 库是开发者的好帮手。她甚至还介绍了她个人最喜欢的 Pipeline API，简化了用户的操作流程。
图 1. Merve Noyan 在马德里 Google for Startups Campus 举行的 YV23 上发表演讲。
应用一瞥#
Merve 在演讲最后简要介绍了一些出色的应用，包括用于视觉问答的 Plot 模型、用于图像标注的 Blip，以及强大的用于图像分割的 Segment Anything 模型。Hugging Face 生态系统的 Pipeline API 成为了焦点，让用户无需深入研究技术细节即可轻松使用模型。
锦上添花的是 Merve 展示了如何利用 Elysian Diffusion 创造视觉错觉，这是一种迷人的体验，为人工智能世界增添了有趣的元素。
简而言之！#
总之，Merve 的演讲让我们深受启发，渴望探索开源计算机视觉的无限可能。Hugging Face 真正让 AI 变得触手可及、有趣且令人兴奋，赋能开发者释放创造力。让我们共同期待开源社区的未来及其蕴含的惊人创新！
