作為深度學習領域的「Github」，HuggingFace已經共用了超過10萬個預訓練模型，1萬個資料集，其中就包括了目前AIGC領域非常熱門的「文生圖」、「圖生文」任務範式，例如ControlNet、StableDiffusion、Blip等。
透過HuggingFace開源的Transformers、Diffusers程式庫，只需要要調用少量介面函數，入門開發者也可以非常便捷地微調和部署自己的大模型任務，你甚至不需要知道什麼是GPT、BERT就可以用它們的模型，開發者不需要從頭開始構建模型任務，大幅簡化了工作流程。從下面圖1的例子可以看到，在導入Transformer程式庫以後只需要5行程式碼就可以構建一個基於GPT2的問答系統，期間HuggingFace會為你自動下載Tokenizer詞向量庫與預訓練模型。
圖1：HuggingFace預訓練模型任務調用範例。
但也正因為Transformer、Diffusers這些程式庫具有非常高的易用性，很多底層的程式碼與模型任務邏輯也被隱藏了起來，如果開發者想針對某個硬體平台做特定的優化，則需要將這些程式庫的底層流水線進行拆解，再逐個進行模型方面的最佳化。圖2與圖3就展示了利用HuggingFace程式庫在調用ControlNet介面時的邏輯，和其底層實際流水線結構：
只需不到短短一分鐘...
輸入您的信箱與ID註冊即可享有一切福利!
會員福利
1
免費電子報
2
會員搶先看
3
主題訂閱
4
好文收藏
