Hugging Face 101: modelos

yo esperando a que use el de las waifus unu

Recuerden que hay muchos modelos open source (de código libre o abierto) que con un pequeño tutorial en youtube puedes entrenar en google colab si no tienes un hardware potente, para que resuelva algo muy específico como por ejemplo que genere imágenes de una persona específica, o que genere lo que sea con un estilo específico como cyberpunk, cartoon, anime, etc

Muy importante conocer estás herramientas, para incluirlas en algunas de las tareas diarias. Entré a una de texto a video y estaban anunciando que estaban contratando.

Hugging Face es una plataforma de gran utilidad para el procesamiento del lenguaje natural y el aprendizaje automático, 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 “Transformers”, que es una técnica de aprendizaje profundo que ha tenido un gran éxito 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.

Además, 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 tecnologías de NLP de vanguardia y construir aplicaciones de NLP y aprendizaje automático con mayor facilidad. En resumen, Hugging Face es una plataforma muy valiosa para el procesamiento del lenguaje natural y el aprendizaje automático 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.

Nunca había visto una clase con este cuate hasta iniciar este curso, explica muy bien. Saludos desde 🇵🇦

Resultados usando waifu diffusion:

Preuba 1:

Preba 2:

Si, los prompts son parecidos porque me faltó imaginación :v.

Cada clase me hace amar más el mundo de la IA!! Excelente aporte para los que queremos aplicarlo en el día a día!!

Aquí… abriendo la cuenta en Hugging Face!

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

Muy interesante! Intentando tomar cursos anteriormente, me frustraba mucho porque siempre entraban a Github sin explicar qué era o el funcionamiento básico. Creo que una explicación sencilla de los recursos a utilizar deberían hacerla en todos los cursos por lo menos de manera opcional

Imagina que estás haciendo un proyecto en el que necesitas enseñar a una computadora a entender y responder al lenguaje humano, como si fuera una conversación entre tú y la computadora. Hugging Face es como una caja de herramientas mágica 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.

Librerías y Código: Hugging Face ofrece librerías de código que son como recetas de cocina para enseñar a la computadora. Estas librerías te ayudan a usar los modelos preentrenados y crear tus propias conversaciones inteligentes.

Recursos Abiertos: Hugging Face comparte muchas cosas en línea, como modelos, ejemplos de código y tutoriales. Es como si te dieran un montón de juguetes nuevos para jugar y aprender.

Comunidad Amigable: Muchas personas usan Hugging Face y comparten sus ideas y soluciones. Es como tener un montón de amigos que también están aprendiendo sobre el lenguaje de las computadoras.

Me voló la cabeza el sitio. Todas las posibilidades y la forma en que están construyendo todo.

No había escuchado de esta herramienta y desde hoy adoptaré su uso para tareas importantes en el uso de datos robustos.

HUGGING FACE es una herramienta que recopila mucha información sobre DEEP LEARNING. Modelos ya entrenados, dataset, etc.
En esta clase aprenderemos como usar modelos ya entregados que ofrece esta página.
De la página principal de HUGGING FACE vamos a la sección MODELOS (https://huggingface.co/models):
Del lado IZQUIERDO, podemos elegir los tipos de modelo. Están clasificados en grupos generales (multimodal, computer vision,natural language processing, audio, data tabular, etc). Estos grupos generales a la vez están 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 descripción bastante completa de cada modelo.

2. Si clickeamos la opción “use in transformers” o “use in diffusers” (dependiendo el caso) nos aparece una ventana donde nos explica cómo implementar el modelo en el código que estamos desarrollando.

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

Por ejemplo:

1. Para un clasificador de imágenes (computer vision, image classification, microsoft/beit-base-partch16-224-pt22k-ft22k): si subimos una imagen esta opción interactiva la clasificará y nos mostrará 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 inglés.

3. Para un traductor (natural language processing, translation, helsinki - NLP / opus - mt- es - en): escribimos un texto en inglés para que lo traduzca al español.
   Al momento de elegir los traductores se puede ir al submenú 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 español) 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.

Solución del reto de la clase⚡

Hugging Face 101: modelos

🟢Clasificación de imágenes:

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

Resultado: 👇

Conclusión: El modelo escogido no pudo identificar correctamente la comida.
.
🟢Descripción de imágenes(1) y traducción de textos(2):

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

Resultados: 👇

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

Resultados: 👇

Conclusión: La transcripción en español respecto a la imagen original es bastante acertada, aunque al describir la imagen el modelo (1) no hizo referencia a la vegetación presente, entre otros.

Mi resultado con el Modelo Text to Image

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 señal. Por ejemplo, pueden utilizarse para eliminar el ruido de una imagen o para suavizar una serie de datos.

• Los tensores son objetos matemáticos que se utilizan para representar vectores y matrices en un espacio multidimensional. Los tensores son especialmente útiles en el procesamiento de imágenes y en el aprendizaje profundo, ya que permiten representar datos complejos en múltiples dimensiones.

• Los transformadores son modelos de aprendizaje automático 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.

https://huggingface.co/platzi?joined=true

Nunca había usado antes esta página y me parece ¡super genial! 😮

Muy importante conocer estás herramientas, para incluirlas en algunas de las tareas diarias. Entré a una de texto a video y estaban anunciando que estaban contratando.

Le puse una imagen de comida Colombiana una picada y no aunque adivinó algunos ingredientes no lo realizo con mucha precisión.

Al hacer el reto de la clase, me sorprendió que el modelo de Hugging Face describa el templo de Kukulcán como “un gran edificio de piedra con un reloj en él”. El modelo usado me parece genial, al describir la función del templo en los tiempos antiguos (reloj solar).

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

Muy genial el tema

Me encanto esta clase, desconocía la herramienta y sus miles de funcionalidades. 😁

Solución del reto de la clase⚡(Parte 2)

Hugging Face 101: modelos

🔵 Texto-a-imagen

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

Resultado: 👇

🔵 Sumarización de texto

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

Resultado: 👇

.
Conclusión: El resumen me parece acertado y útil para entender el texto original.

Le pedí con una descripción en español a stable diffusion. Bien.
Lo hice en inglés y se bugueó XD
Ahí entiendo que hay mucha gente jalando del modelo, angloparlante.

Le fallo mi taco 😭

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

Sorprendente que estos modelos esten subidos alli 100% opensource es super emocionante. (Emoji de money 🤑). Aunque hice una prueba le subí un NFT de mi colección que creé hace 1 año 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 más práctica, llevando el uso de algún modelo a código.

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

Hugging Face es una empresa de tecnología enfocada en la inteligencia artificial (IA) y el procesamiento del lenguaje natural (NLP). La compañía es conocida por sus innovadores modelos de NLP y su plataforma de desarrollo de software de IA de código 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 análisis de sentimientos, la generación de lenguaje natural y la traducción automática. Estos modelos se pueden utilizar en una variedad de lenguajes, lo que los hace ideales para aplicaciones de alcance global.

Además de sus modelos de NLP, Hugging Face ofrece una plataforma de desarrollo de software de IA de código abierto llamada Transformers. Esta plataforma permite a los desarrolladores construir, entrenar y desplegar modelos de IA de manera rápida y eficiente. También ofrece una comunidad de desarrolladores activa y recursos de aprendizaje en línea para ayudar a los usuarios a aprender y utilizar los modelos de NLP y la plataforma de desarrollo de software.

Esto esta EPICO!!

Hugging Face: Facilitando la Creación de Modelos

• En esta lección, exploramos una herramienta llamada Hugging Face que simplifica significativamente el proceso de creación de modelos de inteligencia artificial.

Hugging Face: Recopilando Recursos para el Deep Learning

• Hugging Face es una plataforma que recopila una gran cantidad de información sobre deep learning, modelos pre-entrenados, datasets y más.
• Esta herramienta es valiosa para abordar una amplia variedad de problemas relacionados con la inteligencia artificial.

Modelos para Diferentes Tareas

• Hugging Face ofrece una variedad de modelos categorizados según diferentes áreas, como procesamiento de lenguaje natural, visión por computadora, audio, data tabular, entre otros.
• Los modelos son proporcionados por diferentes organizaciones y están disponibles para su uso.

Clasificación de Imágenes con Hugging Face

• Se puede utilizar Hugging Face para tareas de clasificación de imágenes. Por ejemplo, se puede buscar un modelo en la categoría de “Image Classification” y obtener una descripción de su uso.
• Estos modelos pueden identificar objetos en imágenes y proporcionar información sobre ellos.

Descripción de Imágenes con Lenguaje Natural

• Además de clasificar imágenes, Hugging Face ofrece modelos que pueden describir imágenes en lenguaje natural. Estos modelos generan descripciones de imágenes que son útiles en presentaciones y otros contextos.
• Los usuarios pueden cargar sus propias imágenes y recibir descripciones detalladas.

Traducción de Texto

• Hugging Face también incluye modelos de traducción de texto para varios idiomas. Los usuarios pueden traducir texto de un idioma a otro utilizando estos modelos.
• Esto es útil para comprender contenido en diferentes idiomas.

Resumen de Texto

• La plataforma cuenta con modelos de resumen de texto que pueden condensar texto largo en resúmenes más concisos.
• Esto facilita la obtención de información clave de documentos extensos.

Exploración y Juego con Modelos

• Los usuarios son alentados a explorar y experimentar con los modelos disponibles en Hugging Face para resolver problemas específicos.
• La plataforma ofrece una amplia gama de recursos para abordar desafíos de inteligencia artificial.

Conclusión y Actividad del Workbook

• Hugging Face es una herramienta valiosa para simplificar y mejorar el proceso de creación de modelos de inteligencia artificial.
• Los estudiantes pueden completar una actividad en el Workbook relacionada con estos modelos y luego continuar con la siguiente lección.

muy interesante tema. Recien aprendiendo sobre Hugging Face.

no era lo que esperaba pero me sorprendió 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 México y en otra un comic de un perro en otro planeta.

Rayos… subí una foto de Chilaquiles y me salió error 😦

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

Hugging Face es una empresa de tecnología de inteligencia artificial (IA) fundada en 2016 que se enfoca en la creación y desarrollo de herramientas y modelos de procesamiento del lenguaje natural (NLP, por sus siglas en inglés) de última generación. La empresa se especializa en el desarrollo de software y modelos de aprendizaje automático de código abierto para tareas de NLP.

La plataforma de Hugging Face, llamada “Transformers”, es una biblioteca de software de aprendizaje automático de código abierto que permite a los desarrolladores crear, entrenar y desplegar modelos de NLP. También 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 líder en la comunidad de aprendizaje automático y NLP gracias a su enfoque en el código abierto y la colaboración 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 áreas como la atención al cliente, la traducción automática, la comprensión de documentos y la análisis de sentimientos.

Los Modelos en Hugging Face

• En Hugging Face, los modelos se refieren a las implementaciones de redes neuronales pre-entrenadas que están disponibles para diversas tareas de procesamiento del lenguaje natural (NLP) y aprendizaje automático en general. Hugging Face es una plataforma y una biblioteca de código abierto que se centra en el desarrollo y la distribución 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 características del lenguaje en diferentes niveles de representación.

• Hugging Face proporciona implementaciones de estos modelos pre-entrenados y los pone a disposición de los desarrolladores a través de su biblioteca llamada “transformers”. Estos modelos pre-entrenados se pueden utilizar para tareas específicas de NLP, como clasificación de texto, generación de texto, extracción de información, traducción automática, respuesta a preguntas, entre otras.

• Además, Hugging Face también ofrece la posibilidad de finetunear estos modelos pre-entrenados en tareas específicas, lo que permite adaptarlos a conjuntos de datos y dominios particulares para obtener un rendimiento aún mejor en tareas específicas. Esto se logra ajustando los pesos del modelo pre-entrenado utilizando datos de entrenamiento específicos para la tarea que se quiere abordar.

Usé la siguiente imagen y no acertó, ni estaba entre las opciones. Asumo que por ser un alimento típico de mi país. Empanadas de carne mechada.

Aún tienen oportunidades de mejora los modelos, le subi esta imagen y me devolvio este resultado 😃 : 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 descripción literal a mis tacos al pastor.

Me dejé “llevar de la mano” de este profe…y ya no hay vuelta atrás! Muy buena la clase.

Alguien que pueda orientarme con biblioteca Transformers en python porfavor 😃

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 pronunciación correcta sería “Jaguin Feis”.

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

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 encantó, la verdad tiene bastantes usos

Resultado de los retos de la clase

🌄 Clasificación de imágenes

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 😄)
Este es el resultado:

El modelo clasifico al hermoso sushi como pastel de carne 😅

📝 Descripción de imágenes y traducción de texto

Para este ejercicio utilice la imagen de portada del video juego “Hogwarts Legacy”. Para la descripción de la imagen utilicé e modelo nlpconnect/vit-gpt2-image-captioning, para la traducción utilicé el modelo Helsinki-NLP/opus-mt-en-es.
Este fue el resultado:

1. Imagen:
   
   
2. Descripción de la imagen:

a person standing in front of a large building

1. Traducción:

una persona de pie delante de un edificio grande

🖼 Texto a imagen

Para crear una imagen a partir de un texto utilicé el modelo stable diffusion v1.5, el prompt que le pasé 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:

📝 Sumarización de texto:

Para este ejercicio utilicé el texto la primer página del libro “Harry Potter y la piedra filosofal” 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’d expect to be involved in anything strange or mysterious. The Dursleys had everything they wanted, but they also had a secret.

Muchas gracias

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

Bastó esta clase para ver un poco la potencia y sencillez de Hugging Face.
“Ver es creer”.

Me acordaba de las diferentes opciones de soluciones. Cada vez se facilita el trabajo de actividades que a priori serían difíciles.

Excelente,

Potente introducción a Huggin face 😄

Clase de mucho aporte!

excelente herramienta, muchas gracias!

El modelo de resumen de texto me pareció que dejaba mucho que desear. Igualmente es impresionante lo que podremos lograr si continuamos aprendiendo en esta área