No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Hugging Face 101: modelos

14/23
Recursos

Aportes 68

Preguntas 21

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

yo esperando a que use el de las waifus unu

Hugging Face

Hugging Face es una plataforma de c贸digo abierto que se centra en el desarrollo de tecnolog铆as de procesamiento del lenguaje natural (NLP, por sus siglas en ingl茅s) y aprendizaje autom谩tico. En su sitio web,聽https://huggingface.co/, se pueden encontrar varios modelos de NLP pre-entrenados que se pueden utilizar para diversas tareas, como la traducci贸n autom谩tica, la respuesta a preguntas, la generaci贸n de texto y la clasificaci贸n de texto.

Los modelos pre-entrenados de Hugging Face se basan en la arquitectura de 鈥淭ransformers鈥, que es una t茅cnica de aprendizaje profundo ampliamente utilizada para el procesamiento de lenguaje natural. Estos modelos se entrenan en grandes cantidades de datos de texto para mejorar su capacidad de comprensi贸n del lenguaje natural y luego se pueden ajustar o fine-tunear para tareas espec铆ficas.

En el sitio web de Hugging Face, se pueden encontrar varios modelos pre-entrenados populares, incluyendo:

  • BERT聽(Bidirectional Encoder Representations from聽Transformers): un modelo pre-entrenado de NLP que se utiliza para una amplia variedad de tareas, como la clasificaci贸n de texto, la extracci贸n de entidades y la generaci贸n de texto.
  • GPT-2 (Generative Pre-trained Transformer 2): un modelo pre-entrenado de generaci贸n de texto que se utiliza para la creaci贸n de texto autom谩tico y la redacci贸n asistida.
  • RoBERTa聽(Robustly Optimized BERT Pretraining Approach): un modelo pre-entrenado de NLP que se basa en la arquitectura de BERT pero con mejoras en la t茅cnica de pre-entrenamiento.
  • T5 (Text-to-Text Transfer Transformer): un modelo pre-entrenado de NLP que se utiliza para una amplia variedad de tareas de texto a texto, como la traducci贸n autom谩tica, la respuesta a preguntas y la generaci贸n de texto.

Estos modelos pre-entrenados de Hugging Face se pueden utilizar en diversas aplicaciones de NLP y aprendizaje autom谩tico, y se pueden ajustar o fine-tunear para tareas espec铆ficas. En resumen, Hugging Face es una plataforma de c贸digo abierto que ofrece modelos pre-entrenados de NLP avanzados y herramientas de software para el procesamiento del lenguaje natural y el aprendizaje autom谩tico.

Recuerden que hay muchos modelos open source (de c贸digo libre o abierto) que con un peque帽o tutorial en youtube puedes entrenar en google colab si no tienes un hardware potente, para que resuelva algo muy espec铆fico como por ejemplo que genere im谩genes de una persona espec铆fica, o que genere lo que sea con un estilo espec铆fico como cyberpunk, cartoon, anime, etc

Muy importante conocer est谩s herramientas, para incluirlas en algunas de las tareas diarias. Entr茅 a una de texto a video y estaban anunciando que estaban contratando.

Nunca hab铆a visto una clase con este cuate hasta iniciar este curso, explica muy bien. Saludos desde 馃嚨馃嚘

Hugging Face es una plataforma de gran utilidad para el procesamiento del lenguaje natural y el aprendizaje autom谩tico, ya que ofrece modelos pre-entrenados altamente avanzados y herramientas de software para abordar una amplia variedad de tareas de NLP. Estos modelos pre-entrenados se basan en la arquitectura de 鈥淭ransformers鈥, que es una t茅cnica de aprendizaje profundo que ha tenido un gran 茅xito en el procesamiento de lenguaje natural. Esta plataforma ha sido muy valorada en la comunidad de NLP debido a la calidad y versatilidad de los modelos que ofrece.

Adem谩s, Hugging Face ha creado una comunidad muy activa y comprometida alrededor de la plataforma, donde se pueden compartir modelos, hacer preguntas y obtener apoyo. La plataforma ha permitido que usuarios de todo el mundo, desde investigadores hasta desarrolladores, puedan tener acceso a tecnolog铆as de NLP de vanguardia y construir aplicaciones de NLP y aprendizaje autom谩tico con mayor facilidad. En resumen, Hugging Face es una plataforma muy valiosa para el procesamiento del lenguaje natural y el aprendizaje autom谩tico que ha revolucionado la forma en que los desarrolladores e investigadores abordan estas tareas y ha creado una comunidad muy activa y colaborativa en torno a ella.

Resultados usando waifu diffusion:

Preuba 1:

Preba 2:

Si, los prompts son parecidos porque me falt贸 imaginaci贸n :v.

Cada clase me hace amar m谩s el mundo de la IA!! Excelente aporte para los que queremos aplicarlo en el d铆a a d铆a!!

Ahora si voy a tener todas las Waifus que quiera鈥 XD

Aqu铆鈥 abriendo la cuenta en Hugging Face!

Muy interesante! Intentando tomar cursos anteriormente, me frustraba mucho porque siempre entraban a Github sin explicar qu茅 era o el funcionamiento b谩sico. Creo que una explicaci贸n sencilla de los recursos a utilizar deber铆an hacerla en todos los cursos por lo menos de manera opcional

No hab铆a escuchado de esta herramienta y desde hoy adoptar茅 su uso para tareas importantes en el uso de datos robustos.

Nunca hab铆a usado antes esta p谩gina y me parece 隆super genial! 馃槷

Me vol贸 la cabeza el sitio. Todas las posibilidades y la forma en que est谩n construyendo todo.

Mi resultado con el Modelo Text to Image

Muy importante conocer est谩s herramientas, para incluirlas en algunas de las tareas diarias. Entr茅 a una de texto a video y estaban anunciando que estaban contratando.

Le puse una imagen de comida Colombiana una picada y no aunque adivin贸 algunos ingredientes no lo realizo con mucha precisi贸n.

Imagina que est谩s haciendo un proyecto en el que necesitas ense帽ar a una computadora a entender y responder al lenguaje humano, como si fuera una conversaci贸n entre t煤 y la computadora. Hugging Face es como una caja de herramientas m谩gica que te da muchas cosas geniales para hacer eso.

Modelos Preentrenados: Hugging Face tiene modelos de lenguaje preentrenados que son como cerebros que ya saben mucho sobre las palabras y las oraciones. Puedes usar estos modelos para hacer que la computadora hable como una persona real.

Librer铆as y C贸digo: Hugging Face ofrece librer铆as de c贸digo que son como recetas de cocina para ense帽ar a la computadora. Estas librer铆as te ayudan a usar los modelos preentrenados y crear tus propias conversaciones inteligentes.

Recursos Abiertos: Hugging Face comparte muchas cosas en l铆nea, como modelos, ejemplos de c贸digo y tutoriales. Es como si te dieran un mont贸n de juguetes nuevos para jugar y aprender.

Comunidad Amigable: Muchas personas usan Hugging Face y comparten sus ideas y soluciones. Es como tener un mont贸n de amigos que tambi茅n est谩n aprendiendo sobre el lenguaje de las computadoras.

Al hacer el reto de la clase, me sorprendi贸 que el modelo de Hugging Face describa el templo de Kukulc谩n como 鈥渦n gran edificio de piedra con un reloj en 茅l鈥. El modelo usado me parece genial, al describir la funci贸n del templo en los tiempos antiguos (reloj solar).

Me abrio un mundo de posibilidades todos los modelos de Hugginsface.

Soluci贸n del reto de la clase鈿

Hugging Face 101: modelos

馃煝Clasificaci贸n de im谩genes:

Modelo en Hugging Face: https://huggingface.co/google/vit-base-patch16-224

Resultado: 馃憞

Conclusi贸n: El modelo escogido no pudo identificar correctamente la comida.
.
馃煝Descripci贸n de im谩genes(1) y traducci贸n de textos(2):

Modelo en Hugging Face(1): https://huggingface.co/nlpconnect/vit-gpt2-image-captioning

Resultados: 馃憞

Modelo en Hugging Face(2): https://huggingface.co/Helsinki-NLP/opus-mt-en-es

Resultados: 馃憞

Conclusi贸n: La transcripci贸n en espa帽ol respecto a la imagen original es bastante acertada, aunque al describir la imagen el modelo (1) no hizo referencia a la vegetaci贸n presente, entre otros.

Muy genial el tema

Me encanto esta clase, desconoc铆a la herramienta y sus miles de funcionalidades. 馃榿

Le ped铆 con una descripci贸n en espa帽ol a stable diffusion. Bien.
Lo hice en ingl茅s y se bugue贸 XD
Ah铆 entiendo que hay mucha gente jalando del modelo, angloparlante.

Le fallo mi taco 馃槶

mi pront fue:
m煤sicos abajo del mar tocando en la fiesta del rey Neptuno
y me dio esto:

HUGGING FACE es una herramienta que recopila mucha informaci贸n sobre DEEP LEARNING. Modelos ya entrenados, dataset, etc.
En esta clase aprenderemos como usar modelos ya entregados que ofrece esta p谩gina.
De la p谩gina principal de HUGGING FACE vamos a la secci贸n MODELOS (https://huggingface.co/models):
Del lado IZQUIERDO, podemos elegir los tipos de modelo. Est谩n clasificados en grupos generales (multimodal, computer vision,natural language processing, audio, data tabular, etc). Estos grupos generales a la vez est谩n divididos en subgrupos.
Una vez elegido el tipo de modelo (subgrupo), del lado DERECHO de la pantalla se listan todos los modelos disponibles del tipo elegido.

  1. Para cada modelo elegido tenemos disponible entre otras cosas:
    una descripci贸n bastante completa de cada modelo.

  2. Si clickeamos la opci贸n 鈥渦se in transformers鈥 o 鈥渦se in diffusers鈥 (dependiendo el caso) nos aparece una ventana donde nos explica c贸mo implementar el modelo en el c贸digo que estamos desarrollando.

  3. Para cada modelo hay una opci贸n interactiva para disponer determinado input para que el modelo lo procese y nos visualice el correspondiente output:

Por ejemplo:

  1. Para un clasificador de im谩genes (computer vision, image classification, microsoft/beit-base-partch16-224-pt22k-ft22k): si subimos una imagen esta opci贸n interactiva la clasificar谩 y nos mostrar谩 el respectivo target.

  2. Para un algoritmo que describe una imagen (multimodal, image-to-text, nlpconnect/vit-gpt2-image-captioning): si subimos una imagen nos las describe en ingl茅s.

  3. Para un traductor (natural language processing, translation, helsinki - NLP / opus - mt- es - en): escribimos un texto en ingl茅s para que lo traduzca al espa帽ol.
    Al momento de elegir los traductores se puede ir al submen煤 languages para filtrar por idioma al traductor que se quiere elegir.

  4. Para un algoritmo de texto a imagen (multimodal- text-to-image, runwayml/stable-diffusion-v1-5): escribimos un texto (puede ser en espa帽ol) y nos presenta la imagen.
    Para resumir texto (natural languages processing, summarization, facebook/bart-large-cnn): el input es un texto largo y el output el resumen.

Los difusores, tensores y transformadores son conceptos clave en la inteligencia artificial que se utilizan para procesar y manipular datos.

  • Los difusores son algoritmos que se utilizan para suavizar los datos y reducir el ruido en una se帽al. Por ejemplo, pueden utilizarse para eliminar el ruido de una imagen o para suavizar una serie de datos.

  • Los tensores son objetos matem谩ticos que se utilizan para representar vectores y matrices en un espacio multidimensional. Los tensores son especialmente 煤tiles en el procesamiento de im谩genes y en el aprendizaje profundo, ya que permiten representar datos complejos en m煤ltiples dimensiones.

  • Los transformadores son modelos de aprendizaje autom谩tico que se utilizan para procesar secuencias de datos, como el lenguaje natural. Los transformadores utilizan una arquitectura de red neuronal que permite procesar secuencias de datos de longitud variable y capturar relaciones entre las palabras en una frase.

Sorprendente que estos modelos esten subidos alli 100% opensource es super emocionante. (Emoji de money 馃). Aunque hice una prueba le sub铆 un NFT de mi colecci贸n que cre茅 hace 1 a帽o y no me dio buenos resultados pero me imagino que entrenando el modelos con mis necesidades puedo obtener resultados interesantes.
Aqui comparto el resultado:

Esta clase hubiera sido brutal si fuera m谩s pr谩ctica, llevando el uso de alg煤n modelo a c贸digo.

Debo decir que me agrada mucho este profesor, me agrada como explica

Hugging Face es una empresa de tecnolog铆a enfocada en la inteligencia artificial (IA) y el procesamiento del lenguaje natural (NLP). La compa帽铆a es conocida por sus innovadores modelos de NLP y su plataforma de desarrollo de software de IA de c贸digo abierto.

Hugging Face ofrece una biblioteca de modelos de NLP pre-entrenados que se pueden utilizar para resolver una variedad de tareas de procesamiento de lenguaje natural, como el an谩lisis de sentimientos, la generaci贸n de lenguaje natural y la traducci贸n autom谩tica. Estos modelos se pueden utilizar en una variedad de lenguajes, lo que los hace ideales para aplicaciones de alcance global.

Adem谩s de sus modelos de NLP, Hugging Face ofrece una plataforma de desarrollo de software de IA de c贸digo abierto llamada Transformers. Esta plataforma permite a los desarrolladores construir, entrenar y desplegar modelos de IA de manera r谩pida y eficiente. Tambi茅n ofrece una comunidad de desarrolladores activa y recursos de aprendizaje en l铆nea para ayudar a los usuarios a aprender y utilizar los modelos de NLP y la plataforma de desarrollo de software.

muy interesante tema. Recien aprendiendo sobre Hugging Face.

no era lo que esperaba pero me sorprendi贸 jejej

En verdad que todo esta va revolucionar todo de una manera impresionante aqui mi aporte:

le pide que creara un video de Mario en M茅xico y en otra un comic de un perro en otro planeta.

Rayos鈥 sub铆 una foto de Chilaquiles y me sali贸 error 馃槮

Super, mi primer acercamiento con Hugging Face 馃, no sabia que era un repositorio de IA.

Hugging Face es una empresa de tecnolog铆a de inteligencia artificial (IA) fundada en 2016 que se enfoca en la creaci贸n y desarrollo de herramientas y modelos de procesamiento del lenguaje natural (NLP, por sus siglas en ingl茅s) de 煤ltima generaci贸n. La empresa se especializa en el desarrollo de software y modelos de aprendizaje autom谩tico de c贸digo abierto para tareas de NLP.

La plataforma de Hugging Face, llamada 鈥淭ransformers鈥, es una biblioteca de software de aprendizaje autom谩tico de c贸digo abierto que permite a los desarrolladores crear, entrenar y desplegar modelos de NLP. Tambi茅n ofrece una amplia gama de modelos pre-entrenados, como GPT-2 y BERT, que pueden ser adaptados para una amplia variedad de tareas de procesamiento de lenguaje natural.

Hugging Face se ha convertido en una empresa l铆der en la comunidad de aprendizaje autom谩tico y NLP gracias a su enfoque en el c贸digo abierto y la colaboraci贸n abierta. Su plataforma y modelos de NLP son utilizados por empresas y organizaciones de todo el mundo para desarrollar aplicaciones y servicios de IA avanzados en 谩reas como la atenci贸n al cliente, la traducci贸n autom谩tica, la comprensi贸n de documentos y la an谩lisis de sentimientos.

Los Modelos en Hugging Face

  • En Hugging Face, los modelos se refieren a las implementaciones de redes neuronales pre-entrenadas que est谩n disponibles para diversas tareas de procesamiento del lenguaje natural (NLP) y aprendizaje autom谩tico en general. Hugging Face es una plataforma y una biblioteca de c贸digo abierto que se centra en el desarrollo y la distribuci贸n de modelos de lenguaje de vanguardia y herramientas relacionadas.

  • Los modelos en Hugging Face incluyen arquitecturas de vanguardia como Transformer, BERT, GPT, RoBERTa, entre otros. Estos modelos se han entrenado en grandes conjuntos de datos y han aprendido a capturar patrones y caracter铆sticas del lenguaje en diferentes niveles de representaci贸n.

  • Hugging Face proporciona implementaciones de estos modelos pre-entrenados y los pone a disposici贸n de los desarrolladores a trav茅s de su biblioteca llamada 鈥渢ransformers鈥. Estos modelos pre-entrenados se pueden utilizar para tareas espec铆ficas de NLP, como clasificaci贸n de texto, generaci贸n de texto, extracci贸n de informaci贸n, traducci贸n autom谩tica, respuesta a preguntas, entre otras.

  • Adem谩s, Hugging Face tambi茅n ofrece la posibilidad de finetunear estos modelos pre-entrenados en tareas espec铆ficas, lo que permite adaptarlos a conjuntos de datos y dominios particulares para obtener un rendimiento a煤n mejor en tareas espec铆ficas. Esto se logra ajustando los pesos del modelo pre-entrenado utilizando datos de entrenamiento espec铆ficos para la tarea que se quiere abordar.

Us茅 la siguiente imagen y no acert贸, ni estaba entre las opciones. Asumo que por ser un alimento t铆pico de mi pa铆s. Empanadas de carne mechada.

A煤n tienen oportunidades de mejora los modelos, le subi esta imagen y me devolvio este resultado 馃槂 : a man in a suit with a box of bananas


a plate of food with meat and vegetables
un plato de comida con carne y verduras

Solo dio una descripci贸n literal a mis tacos al pastor.

Me dej茅 鈥渓levar de la mano鈥 de este profe鈥 ya no hay vuelta atr谩s! Muy buena la clase.

Alguien que pueda orientarme con biblioteca Transformers en python porfavor 馃槂

Yo puse la foto de un asado completo argentino, detecto bien la parte del asador y la carne, aunque no fue muy especifico con la carne

La pronunciaci贸n correcta ser铆a 鈥淛aguin Feis鈥.

Me parece genial Hugging Face, puesto que se pueden utilizar distintas herramientas de IA y todas se encuentran en el mismo lugar.

jajajajjaja yo puse fotos y nada que lo que salio
subi una foto mia y salia chaleco antibalas y papel de inodoro

El de las Waifus AnA...

Promp: Pyrotechnics at night in France, with the Eiffel Tower, and a couple holding hands.

Imagen usando stable Diffusion
https://imgur.com/OfABpZL

wowowow fantastico todos hugging face!!! amo!

pon el de las waifus.
hay alguno de patas???
uwu

siempre pongo esa carita en el feis y en el wassapp y ni se que significa.
xd

Brutal, huggin face abre un mundo infinito de posibilidades.

Me encant贸, la verdad tiene bastantes usos

Resultado de los retos de la clase

馃寗 Clasificaci贸n de im谩genes

Al modelo google/vit-base-patch16-224 le di una imagen de un rollo de sushi estilo mexicano (nada que ver con el sushi original 馃槃)
Este es el resultado:

El modelo clasifico al hermoso sushi como pastel de carne 馃槄

馃摑 Descripci贸n de im谩genes y traducci贸n de texto

Para este ejercicio utilice la imagen de portada del video juego 鈥淗ogwarts Legacy鈥. Para la descripci贸n de la imagen utilic茅 e modelo nlpconnect/vit-gpt2-image-captioning, para la traducci贸n utilic茅 el modelo Helsinki-NLP/opus-mt-en-es.
Este fue el resultado:

  1. Imagen:
  2. Descripci贸n de la imagen:

a person standing in front of a large building

  1. Traducci贸n:

una persona de pie delante de un edificio grande

馃柤 Texto a imagen

Para crear una imagen a partir de un texto utilic茅 el modelo stable diffusion v1.5, el prompt que le pas茅 fue el siguiente:

An adult astronaut swimming on a large, cold river in the middle of the forest with a lot of big trees

Resultado:

馃摑 Sumarizaci贸n de texto:

Para este ejercicio utilic茅 el texto la primer p谩gina del libro 鈥淗arry Potter y la piedra filosofal鈥 con el modelo facebook/bart-large-cnn.
Este es el resultado del resumen:

Mr. and Mrs. Dursley, of number four, Privet Drive, were proud to say that they were perfectly normal. They were the last people you鈥檇 expect to be involved in anything strange or mysterious. The Dursleys had everything they wanted, but they also had a secret.

Muchas gracias

Soluci贸n del reto de la clase鈿(Parte 2)

Hugging Face 101: modelos

馃數 Texto-a-imagen

Modelo en Hugging Face: https://huggingface.co/runwayml/stable-diffusion-v1-5

Resultado: 馃憞

馃數 Sumarizaci贸n de texto

Modelo en Hugging Face: https://huggingface.co/facebook/bart-large-cnn

Resultado: 馃憞

.
Conclusi贸n: El resumen me parece acertado y 煤til para entender el texto original.

1ra prueba con un modelo de texto a imagen con Hugging Face

Bast贸 esta clase para ver un poco la potencia y sencillez de Hugging Face.
鈥淰er es creer鈥.

Me acordaba de las diferentes opciones de soluciones. Cada vez se facilita el trabajo de actividades que a priori ser铆an dif铆ciles.

Excelente,

Potente introducci贸n a Huggin face 馃槃

Clase de mucho aporte!

excelente herramienta, muchas gracias!

El modelo de resumen de texto me pareci贸 que dejaba mucho que desear. Igualmente es impresionante lo que podremos lograr si continuamos aprendiendo en esta 谩rea