[๐ค ๊ฐ์ข 1.3] ๐คTransformers๊ฐ ํ ์ ์๋ ๊ฒ๋ค...
์ด ์น์
์์๋ ํธ๋์คํฌ๋จธ ๋ชจ๋ธ์ด ๋ฌด์์ ํ ์ ์๋์ง ์ดํด๋ณด๊ณ , ๐คTransformers ๋ผ์ด๋ธ๋ฌ๋ฆฌ์ ์ฒซ ๋ฒ์งธ ๋๊ตฌ์ธ pipeline()
ํจ์๋ฅผ ์ฌ์ฉํด๋ณผ ๊ฒ์
๋๋ค.
Transformers are everywhere!
ํธ๋์คํฌ๋จธ ๋ชจ๋ธ์ ์ด์ ์น์ ์์ ์ธ๊ธํ ๋ชจ๋ ์ข ๋ฅ์ NLP ์์ ์ ํด๊ฒฐํ๋ ๋ฐ ์ฌ์ฉ๋ฉ๋๋ค. ๋ค์์ Hugging Face ๋ฐ ํธ๋์คํฌ๋จธ ๋ชจ๋ธ์ ์ฌ์ฉํ๋ ๋ช๋ช ํ์ฌ ๋ฐ ์กฐ์ง๋ค์ ๋ณด์ฌ์ฃผ๊ณ ์์ต๋๋ค. ์ด๋ค์ ์์ ๋ค์ด ๋ง๋ ๋ชจ๋ธ๋ค์ ๊ณต์ ํ์ฌ ์ปค๋ฎค๋ํฐ์ ๋ค์ ๊ธฐ์ฌํฉ๋๋ค
๐คTransformers ๋ผ์ด๋ธ๋ฌ๋ฆฌ๋ ๊ณต์ ๋ ๋ชจ๋ธ์ ๋ง๋ค๊ณ ์ฌ์ฉํ ์ ์๋ ๋ค์ํ ๊ธฐ๋ฅ๋ค์ ์ ๊ณตํฉ๋๋ค. Model Hub์๋ ๋๊ตฌ๋ ๋ค์ด๋ก๋ํ์ฌ ์ฌ์ฉํ ์ ์๋ ์์ฒ ๊ฐ์ ์ฌ์ ํ์ต๋ ๋ชจ๋ธ(pretrained models)๋ค์ด ํฌํจ๋์ด ์์ต๋๋ค. ๋ํ ์์ ์ ๋ชจ๋ธ์ ํ๋ธ์ ์ ๋ก๋ํ ์๋ ์์ต๋๋ค!
โ ๏ธ The Hugging Face Hub๋ ํธ๋์คํฌ๋จธ ๋ชจ๋ธ์๋ง ๊ตญํํ์ง ์์ต๋๋ค. ๋๊ตฌ๋ ์ํ๋ ๋ชจ๋ ์ข ๋ฅ์ ๋ชจ๋ธ์ด๋ ๋ฐ์ดํฐ์ (datasets)์ ๊ณต์ ํ ์ ์์ต๋๋ค! ์ฌ์ฉ ๊ฐ๋ฅํ ๋ชจ๋ ๊ธฐ๋ฅ์ ํ์ฉํ๋ ค๋ฉด huggingface.co ๊ณ์ ์ ๋ง๋์ธ์!
ํธ๋์คํฌ๋จธ ๋ชจ๋ธ์ด ๋ด๋ถ์ ์ผ๋ก ์ด๋ป๊ฒ ์๋ํ๋์ง ์์๋ณด๊ธฐ ์ ์ ๋ช ๊ฐ์ง ํฅ๋ฏธ๋ก์ด NLP ๋ฌธ์ ๋ฅผ ํด๊ฒฐํ๋ ๋ฐ ์ฌ์ฉํ ์ ์๋ ๋ช ๊ฐ์ง ์๋ฅผ ์ดํด๋ณด๊ฒ ์ต๋๋ค.
Working with pipelines
๐คTransformers ๋ผ์ด๋ธ๋ฌ๋ฆฌ์ ๊ฐ์ฅ ๊ธฐ๋ณธ์ ์ธ ๊ฐ์ฒด๋ pipeline()
ํจ์์
๋๋ค. ์ด ํจ์๋ ํน์ ๋ชจ๋ธ๊ณผ ๋์์ ํ์ํ ์ ์ฒ๋ฆฌ ๋ฐ ํ์ฒ๋ฆฌ ๋จ๊ณ๋ฅผ ์ฐ๊ฒฐํ์ฌ ํ
์คํธ๋ฅผ ์ง์ ์
๋ ฅํ๊ณ ์ดํดํ๊ธฐ ์ฌ์ด ๋ต๋ณ์ ์ป์ ์ ์์ต๋๋ค.
from transformers import pipeline
classifier = pipeline("sentiment-analysis")
classifier("I've been waiting for a HuggingFace course my whole life.")
์ฌ๋ฌ ๊ฐ์ ๋ฌธ์ฅ์ ๋์์ ์ ๋ ฅ์ผ๋ก ์ ๋ฌํ ์๋ ์์ต๋๋ค!
classifier(["I've been waiting for a HuggingFace course my whole life.",
"I hate this so much!"])
๊ธฐ๋ณธ์ ์ผ๋ก ์ด ํ์ดํ๋ผ์ธ์ ์์ด ๋ฌธ์ฅ์ ๋ํ ๊ฐ์ ๋ถ์(sentiment analysis)์ ์ํด ๋ฏธ์ธ ์กฐ์ ๋(fine-tuned) ์ฌ์ ํ๋ จ ๋ชจ๋ธ(pretrained model)์ ์ ํํฉ๋๋ค. ์ ์ฝ๋์์ classifier
๊ฐ์ฒด๋ฅผ ์์ฑํ ๋ ํด๋น ๋ชจ๋ธ์ด ๋ค์ด๋ก๋๋๊ณ ์บ์๋ฉ๋๋ค. ์์ฑ๋ classifier
๊ฐ์ฒด๋ฅผ ๋ค์ ์คํํ๋ฉด ์บ์๋ ๋ชจ๋ธ์ด ๋์ ์ฌ์ฉ๋๋ฉฐ ๋ชจ๋ธ์ ๋ค์ ๋ค์ด๋ก๋ํ ํ์๊ฐ ์์ต๋๋ค.
ํ์ดํ๋ผ์ธ์ ํ ์คํธ๊ฐ ์ ๋ ฅ๋๋ฉด 3๊ฐ์ง ์ฃผ์ ๋จ๊ณ๊ฐ ๋ด๋ถ์ ์ผ๋ก ์คํ๋ฉ๋๋ค.
- ํ ์คํธ๋ ๋ชจ๋ธ์ด ์ดํดํ ์ ์๋ ํ์์ผ๋ก ์ ์ฒ๋ฆฌ๋ฉ๋๋ค(preprocessing).
- ์ ์ฒ๋ฆฌ ์๋ฃ๋ ์ ๋ ฅ ํ ์คํธ๋ ๋ชจ๋ธ์ ์ ๋ฌ๋ฉ๋๋ค.
- ๋ชจ๋ธ์ด ์์ธกํ ๊ฒฐ๊ณผ๋ ํ์ฒ๋ฆฌ๋์ด(postprocessing) ์ฐ๋ฆฌ๊ฐ ์ดํดํ ์ ์๋ ํํ๋ก ๋ณํ๋ฉ๋๋ค.
ํ์ฌ ํ์ฉ ๊ฐ๋ฅํ ๋ช ๊ฐ์ง ํ์ดํ๋ผ์ธ๋ค์ ๋ค์๊ณผ ๊ฐ์ต๋๋ค:
feature-extraction
(ํ ์คํธ์ ๋ํ ๋ฒกํฐ ํํ ์ ๊ณต)fill-mask
ner
(named entity recognition, ๊ฐ์ฒด๋ช ์ธ์)question-answering
sentiment-analysis
summarization
text-generation
translation
zero-shot-classification
์ด ์ค ๋ช ๊ฐ์ง๋ฅผ ์ดํด๋ณด๊ฒ ์ต๋๋ค!
Zero-shot classification
์ฐ์ , ๋ ์ด๋ธ์ด ์ง์ ๋์ง ์์ ํ
์คํธ๋ฅผ ๋ถ๋ฅํด์ผ ํ๋ ๋ ์ด๋ ค์ด ์์
๋ถํฐ ์์ํ๊ฒ ์ต๋๋ค. ํ
์คํธ์ ์ฃผ์(annotation)์ ์ถ๊ฐํ๋ ๊ฒ์ ์ผ๋ฐ์ ์ผ๋ก ์๊ฐ์ด ๋ง์ด ๊ฑธ๋ฆฌ๊ณ ๋ถ์ผ ์ ๋ฌธ ์ง์(domain expertise)์ด ํ์ํ๊ธฐ ๋๋ฌธ์ ์ด ์์
์ ์ค์ ํ๋ก์ ํธ์์ ๋งค์ฐ ํํ ์๋๋ฆฌ์ค์
๋๋ค. ์ด ํ์ฉ ์ฌ๋ก์ ๊ฒฝ์ฐ, zero-shot-classification
ํ์ดํ๋ผ์ธ์ ๋งค์ฐ ์ ์ฉํฉ๋๋ค. ๊ทธ ์ด์ ๋ ํด๋น ๋ถ๋ฅ์ ์ฌ์ฉํ ๋ ์ด๋ธ์ ์ง์ ๋ง์๋๋ก ์ง์ ํ ์ ์์ผ๋ฏ๋ก ์ฌ์ ํ๋ จ๋ ๋ชจ๋ธ์ ๋ ์ด๋ธ ์งํฉ์ ์์กดํ ํ์๊ฐ ์๊ธฐ ๋๋ฌธ์
๋๋ค. ์ด๋ฏธ ์ฐ๋ฆฌ๋ ํด๋น ๋ชจ๋ธ์ด ๋ ๋ ์ด๋ธ(๊ธ์ , ๋ถ์ )์ ์ฌ์ฉํ์ฌ ๋ฌธ์ฅ์ ๊ธ์ ๋๋ ๋ถ์ ์ผ๋ก ๋ถ๋ฅํ๋ ๋ฐฉ๋ฒ์ ์ด๋ฏธ ๋ณด์์ต๋๋ค. ๊ทธ๋ฌ๋ ์ด ๋ชจ๋ธ์ ์ด์ฉํด์ ์ฐ๋ฆฌ๊ฐ ์ํ๋ ๋ ๋ค๋ฅธ ๋ ์ด๋ธ ์งํฉ์ ์ฌ์ฉํ์ฌ ํ
์คํธ๋ฅผ ๋ถ๋ฅํ ์๋ ์์ต๋๋ค.
from transformers import pipeline
classifier = pipeline("zero-shot-classification")
classifier(
"This is a course about the Transformers library",
candidate_labels=["education", "politics", "business"],
)
์์ ๊ฐ์ด ์์ ํ ๋ค๋ฅธ ์๋ก์ด ๋ ์ด๋ธ ์งํฉ์ผ๋ก ๋ฌธ์ฅ ๋ถ๋ฅ๋ฅผ ์ํํ ๋๋ ์๋ก์ด ๋ฐ์ดํฐ๋ฅผ ์ด์ฉํด์ ๋ชจ๋ธ์ ๋ฏธ์ธ ์กฐ์ (fine-tuning)ํ ํ์๊ฐ ์๊ธฐ ๋๋ฌธ์ zero-shot ๋ถ๋ฅ๋ผ๊ณ ํฉ๋๋ค. ์ ์์์์ ๋ณด๋ ๋ฐ์ ๊ฐ์ด ์ํ๋ ๋ ์ด๋ธ ๋ชฉ๋ก์ ๋ํ ํ๋ฅ ์ ์๋ฅผ ์ง์ ๋ฐํํ ์๋ ์์ต๋๋ค!
Text generation
์ด์ ํ์ดํ๋ผ์ธ์ ์ฌ์ฉํ์ฌ ํ ์คํธ๋ฅผ ์์ฑํ๋ ๋ฐฉ๋ฒ์ ์ดํด๋ณด๊ฒ ์ต๋๋ค. ์ฌ๊ธฐ์ ์ฃผ์ ์์ด๋์ด๋ ์ ๋ ฅ์ผ๋ก ํน์ ํ๋กฌํํธ(prompt)๋ฅผ ์ ๊ณตํ๋ฉด ๋ชจ๋ธ์ด ๋๋จธ์ง ํ ์คํธ๋ฅผ ์์ฑํ์ฌ ํ๋กฌํํธ๋ฅผ ์๋ ์์ฑํ๋ค๋ ๊ฒ์ ๋๋ค. ์ด๊ฒ์ ์ ํ๊ธฐ์์ ๋ณผ ์ ์๋ ํ ์คํธ ์์ธก ๊ธฐ๋ฅ(predictive text feature)๊ณผ ์ ์ฌํฉ๋๋ค. ํ ์คํธ ์์ฑ์ ๋๋คํ๊ฒ ์ํ๋๋ฏ๋ก ์ฌ๋ฌ๋ถ์ ์ถ๋ ฅ์ด ์๋ ๊ฒฐ๊ณผ์ ๋ค๋ฅด๊ฒ ๋์ค๋ ๊ฒ์ ์ ์์ ๋๋ค.
from transformers import pipeline
generator = pipeline("text-generation")
generator("In this course, we will teach you how to")
์์ generator
๊ฐ์ฒด์ num_return_sequences
์ธ์(argument)๋ฅผ ์ง์ ํ์ฌ ์์ฑ๋๋ ์ํ์ค์ ๊ฐ์๋ฅผ ์ ํ ์ ์๊ณ , max_length
์ธ์๋ก๋ ์ถ๋ ฅ ํ
์คํธ์ ์ด ๊ธธ์ด๋ฅผ ์ ์ดํ ์ ์์ต๋๋ค.
Using any model from the Hub in a pipeline
์ด์ ์์ ์์๋ ํ์ฌ ์์ ์ ๋ํ ๊ธฐ๋ณธ์ ์ธ ๋ชจ๋ธ(default model)์ ์ฌ์ฉํ์ง๋ง ํ๋ธ์์ ์ฌ๋ฌ๋ถ์ด ์ํ๋ ๋ชจ๋ธ์ ์ ํํ์ฌ ํน์ ์์ (์: ํ ์คํธ ์์ฑ)์ ๋ํ ํ์ดํ๋ผ์ธ์์ ์ฌ์ฉํ ์๋ ์์ต๋๋ค. ๋ชจ๋ธ ํ๋ธ(Model Hub)๋ก ์ด๋ํ์ฌ ์ผ์ชฝ์ ์๋ ํน์ ํ๊ทธ๋ฅผ ํด๋ฆญํ๋ฉด ๊ด๋ จ ์์ ์ ์ง์ํ๋ ๋ชจ๋ธ๋ง ํ์๋ฉ๋๋ค. ๊ทธ ๊ฒฐ๊ณผ๋ ์ด ํ์ด์ง์์ ๋ณผ ์ ์์ต๋๋ค.
์ ์ด์ distilgpt2 ๋ชจ๋ธ์ ์ฌ์ฉํด ๋ด ์๋ค! ํ์ดํ๋ผ์ธ์์ ์ด ๋ชจ๋ธ์ ๋ก๋ํ๋ ๋ฐฉ๋ฒ์ ๋ค์๊ณผ ๊ฐ์ต๋๋ค.
from transformers import pipeline
generator = pipeline("text-generation", model="distilgpt2") # distilgpt2 ๋ชจ๋ธ์ ๋ก๋ํ๋ค.
generator(
"In this course, we will teach you how to",
max_length=30,
num_return_sequences=2,
)
์ธ์ด ํ๊ทธ(language tags)๋ฅผ ํด๋ฆญํ์ฌ ๊ทธ ์ธ์ด์ ํนํ๋ ๋ชจ๋ธ์ ์ธ๋ถ์ ์ผ๋ก ๊ฒ์ํ๊ณ ์ ํํจ์ผ๋ก์จ ์ํ๋ ์ธ์ด๋ก ํํ๋ ํ ์คํธ๋ฅผ ์์ฑํ ์ ์๋ ๋ชจ๋ธ์ ์ฌ์ฉํ ์ ์์ต๋๋ค. Model Hub์๋ ๋ค์ค ์ธ์ด๋ฅผ ์ง์ํ๋ ๋ค๊ตญ์ด ๋ชจ๋ธ(multilingual models)์ ๋ํ ์ฒดํฌํฌ์ธํธ๋ ํฌํจ๋์ด ์์ต๋๋ค.
ํน์ ๋ชจ๋ธ์ ํด๋ฆญํ์ฌ ์ ํํ๋ฉด ์จ๋ผ์ธ์์ ์ง์ ํ ์คํธํ ์ ์๋ ์์ ฏ(widget)์ด ํ์๋ฉ๋๋ค. ์ด๋ ๊ฒ ํ๋ฉด ๋ค์ด๋ก๋ํ๊ธฐ ์ ์ ๊ทธ ๋ชจ๋ธ์ ๊ธฐ๋ฅ์ ๋น ๋ฅด๊ฒ ํ ์คํธํ ์ ์์ต๋๋ค.
The Inference API
๋ชจ๋ ๋ชจ๋ธ์ Hugging Face ์น์ฌ์ดํธ์์ ์ ๊ณต๋๋ Inference API๋ฅผ ์ฌ์ฉํ์ฌ ๋ธ๋ผ์ฐ์ ๋ฅผ ํตํด ์ง์ ํ ์คํธํ ์ ์์ต๋๋ค. ์ด ํ์ด์ง์์ ์ง์ ์์์ ํ ์คํธ๋ฅผ ์ ๋ ฅํ๊ณ ๋ชจ๋ธ์ด ํด๋น ํ ์คํธ๋ฅผ ์ฒ๋ฆฌํ๋ ๊ฒ์ ์ดํด๋ณด๋ฉด์ ๋ชจ๋ธ๋ค์ ํ ์คํธํด ๋ณผ ์ ์์ต๋๋ค.
์์ ฏ์ ๊ตฌ๋ํ๋ Inference API๋ ์ ๋ฃ ์ ํ์ผ๋ก๋ ์ ๊ณต๋๋ฏ๋ก ์ค๋ฌด์ ์ผ๋ก๋ ํธ๋ฆฌํ๊ฒ ์ฌ์ฉ ๊ฐ๋ฅํฉ๋๋ค. ์์ธํ ๋ด์ฉ์ ๊ฐ๊ฒฉ ์ฑ ์ ํ์ด์ง๋ฅผ ์ฐธ์กฐํ์ธ์.
Mask filling
๋ค์์ผ๋ก ์๋ํ ํ์ดํ๋ผ์ธ์ fill-mask ์ ๋๋ค. ์ด ์์ ์ ์ฃผ์ด์ง ํ ์คํธ์ ๊ณต๋ฐฑ์ ์ฑ์ฐ๋ ๊ฒ์ ๋๋ค.
from transformers import pipeline
unmasker = pipeline("fill-mask")
unmasker("This course will teach you all about <mask> models.", top_k=2)
top_k
์ธ์(argument)๋ ์ถ๋ ฅํ ๊ณต๋ฐฑ ์ฑ์ฐ๊ธฐ ์ข
๋ฅ์ ๊ฐ์๋ฅผ ์ง์ ํฉ๋๋ค. ์ฌ๊ธฐ์ ๋ชจ๋ธ์ ๋ง์คํฌ ํ ํฐ(mask token) ์ด๋ผ๊ณ ๋ถ๋ฅด๋ ํน์ํ <mask> ๋จ์ด๋ฅผ ์ฑ์๋๋ค. ๋ง์คํฌ ์ฑ์ฐ๊ธฐ(mask-filling) ๋ชจ๋ธ์ ๋ฐ๋ผ ์๋ก ๋ค๋ฅธ ๋ง์คํฌ ํ ํฐ์ ์๊ตฌํ ์ ์์ผ๋ฏ๋ก ๋ค๋ฅธ ๋ชจ๋ธ์ ํ์ํ ๋ ํญ์ ํด๋น ๋ง์คํฌ ํ ํฐ์ ํ์ธํ๋ ๊ฒ์ด ์ข์ต๋๋ค. ์ด๋ฅผ ํ์ธํ๋ ํ ๊ฐ์ง ๋ฐฉ๋ฒ์ ์์ ฏ์ ์ฌ์ฉ๋ ๋ง์คํฌ ํ ํฐ์ ์ดํด๋ณด๋ ๊ฒ์
๋๋ค.
Named entity recognition
๊ฐ์ฒด๋ช ์ธ์(NER, Named Entity Recognition)์ ์ ๋ ฅ ํ ์คํธ์์ ์ด๋ ๋ถ๋ถ์ด ์ฌ๋, ์์น ๋๋ ์กฐ์ง๊ณผ ๊ฐ์ ๊ฐ์ฒด๋ช ์ ํด๋นํ๋์ง ์๋ณํ๋ ์์ ์ ๋๋ค. ์๋ฅผ ์ดํด๋ณด๊ฒ ์ต๋๋ค.
from transformers import pipeline
ner = pipeline("ner", grouped_entities=True)
ner("My name is Sylvain and I work at Hugging Face in Brooklyn.")
์ฌ๊ธฐ์ ๋ชจ๋ธ์ "Sylvain"์ด ์ฌ๋(PER)์ด๊ณ "Hugging Face"๊ฐ ์กฐ์ง(ORG)์ด๋ฉฐ "Brooklyn"์ด ์์น(LOC)์์ ์ฌ๋ฐ๋ฅด๊ฒ ์๋ณํ์ต๋๋ค.
ํ์ดํ๋ผ์ธ ์์ฑ ํจ์์์ grouped_entities=True
์ต์
์ ์ ๋ฌํ์ฌ ํ์ดํ๋ผ์ธ์ด ๋์ผํ ์ํฐํฐ์ ํด๋นํ๋ ๋ฌธ์ฅ์ ๋ถ๋ถ(ํ ํฐ ํน์ ๋จ์ด)๋ค์ ๊ทธ๋ฃนํํ๋๋ก ์ง์ํฉ๋๋ค. ์ฌ๊ธฐ์ ๋ชจ๋ธ์ "Hugging"๊ณผ "Face"๋ฅผ ๋จ์ผ ์กฐ์ง(ORG)์ผ๋ก ์ฌ๋ฐ๋ฅด๊ฒ ๊ทธ๋ฃนํํ์ง๋ง ์ด๋ฆ ์์ฒด๋ ์ฌ๋ฌ ๋จ์ด๋ก ๊ตฌ์ฑ๋ฉ๋๋ค. ์ฌ์ค, ๋ค์ ์ฅ์์ ๋ณด๊ฒ ๋๊ฒ ์ง๋ง, ์ ์ฒ๋ฆฌ ๊ณผ์ ์์ ์ฌ์ง์ด ์ผ๋ถ ๋จ์ด๋ฅผ ๋ ์์ ๋ถ๋ถ์ผ๋ก ๋๋ ์๋ ์์ต๋๋ค. ์๋ฅผ ๋ค์ด Sylvain์ S, ##yl, ##va ๋ฐ ##in์ ๋ค ๋ถ๋ถ์ผ๋ก ๋๋ฉ๋๋ค. ํ์ฒ๋ฆฌ ๋จ๊ณ์์ ํ์ดํ๋ผ์ธ์ ํด๋น ์กฐ๊ฐ์ ์ฑ๊ณต์ ์ผ๋ก ์ฌ๊ทธ๋ฃนํํ๊ณ , ๊ทธ ๊ฒฐ๊ณผ๋ก "Sylvain"์ด ๋จ์ผ ๋จ์ด๋ก ์ถ๋ ฅ๋๊ณ ์์ต๋๋ค.
Question Answering
question-answering
ํ์ดํ๋ผ์ธ์ ์ฃผ์ด์ง ์ปจํ
์คํธ(context) ์ ๋ณด๋ฅผ ์ฌ์ฉํ์ฌ ์
๋ ฅ ์ง๋ฌธ์ ์๋ต์ ์ ๊ณตํฉ๋๋ค.
from transformers import pipeline
question_answerer = pipeline("question-answering")
question_answerer(
question="Where do I work?",
context="My name is Sylvain and I work at Hugging Face in Brooklyn",
)
์ด ํ์ดํ๋ผ์ธ์ ์ ๊ณต๋ ์ปจํ ์คํธ์์ ์ ๋ณด๋ฅผ ์ถ์ถํ์ฌ ์๋ํฉ๋๋ค. ์๋ต์ ์๋กญ๊ฒ ์์ฑํ์ง๋ ์์ต๋๋ค.
Summarization
์์ฝ(summarization)์ ํ ์คํธ์ ์กด์ฌํ๋ ๋ชจ๋ (๋๋ ๋๋ถ๋ถ์) ์ค์ํ ๋ด์ฉ์ ์ ์งํ๋ฉด์ ํด๋น ํ ์คํธ๋ฅผ ๋ ์งง์ ํ ์คํธ๋ก ์ค์ด๋ ์์ ์ ๋๋ค. ์๋ฅผ ์ดํด๋ณด๊ฒ ์ต๋๋ค.
from transformers import pipeline
summarizer = pipeline("summarization")
summarizer(
"""
America has changed dramatically during recent years. Not only has the number of
graduates in traditional engineering disciplines such as mechanical, civil,
electrical, chemical, and aeronautical engineering declined, but in most of
the premier American universities engineering curricula now concentrate on
and encourage largely the study of engineering science. As a result, there
are declining offerings in engineering subjects dealing with infrastructure,
the environment, and related issues, and greater concentration on high
technology subjects, largely supporting increasingly complex scientific
developments. While the latter is important, it should not be at the expense
of more traditional engineering.
Rapidly developing economies such as China and India, as well as other
industrial countries in Europe and Asia, continue to encourage and advance
the teaching of engineering. Both China and India, respectively, graduate
six and eight times as many traditional engineers as does the United States.
Other industrial countries at minimum maintain their output, while America
suffers an increasingly serious decline in the number of engineering graduates
and a lack of well-educated engineers.
"""
)
ํ
์คํธ ์์ฑ๊ณผ ๋ง์ฐฌ๊ฐ์ง๋ก ์ต์
์ผ๋ก ๊ฒฐ๊ณผ์ ๋ํด max_length
๋๋ min_length
์ง์ ์ด ๊ฐ๋ฅํฉ๋๋ค.
Translation
๋ฒ์ญ(Translation)์ ๊ฒฝ์ฐ ์์
(task) ์ด๋ฆ์ ์ธ์ด ์(์: "translation_en_to_fr
")์ ์ง์ ํ๋ฉด ์์คํ
์์ ๊ธฐ๋ณธ์ ์ผ๋ก ์ ๊ณตํ๋ ๋ชจ๋ธ(default model)์ ์ฌ์ฉํ ์ ์์ง๋ง ๊ฐ์ฅ ์ฌ์ด ๋ฐฉ๋ฒ์ Model Hub์์ ์ฌ์ฉํ๋ ค๋ ๋ชจ๋ธ์ ์ ํํ๋ ๊ฒ์
๋๋ค. ์๋ ์์์์ ํ๋์ค์ด์์ ์์ด๋ก ๋ฒ์ญ์ ์๋ํด ๋ณด๊ฒ ์ต๋๋ค.
from transformers import pipeline
translator = pipeline("translation", model="Helsinki-NLP/opus-mt-fr-en")
translator("Ce cours est produit par Hugging Face.")
ํ
์คํธ ์์ฑ ๋ฐ ์์ฝ๊ณผ ๋ง์ฐฌ๊ฐ์ง๋ก ์ต์
์ผ๋ก ๊ฒฐ๊ณผ์ ๋ํด max_length
๋๋ min_length
์ง์ ์ด ๊ฐ๋ฅํฉ๋๋ค.
์ง๊ธ๊น์ง ์ดํด๋ณธ ํ์ดํ๋ผ์ธ์ ๋๋ถ๋ถ ๋ฐ๋ชจ์ฉ์
๋๋ค. ํน์ ์์
(specific tasks)์ ์ํด ํ๋ก๊ทธ๋๋ฐ๋์์ผ๋ฉฐ ๋ณํ๋ ์์
์ด๋ ๋ ๋ณต์กํ ์์
์ ์ํํ ์ ์์ต๋๋ค. ๋ค์ ์น์
์์๋ pipeline()
ํจ์ ๋ด๋ถ์ ์ด๋ ํ ๊ธฐ๋ฅ ๋ฐ ๋์๋ค์ด ์กด์ฌํ๊ณ ๊ทธ๊ฒ๋ค์ ์ด๋ป๊ฒ ๋ณ๊ฒฝํ ์ ์๋์ง์ ๋ํด์ ์์๋ณด๊ฒ ์ต๋๋ค.
Author And Source
์ด ๋ฌธ์ ์ ๊ดํ์ฌ([๐ค ๊ฐ์ข 1.3] ๐คTransformers๊ฐ ํ ์ ์๋ ๊ฒ๋ค...), ์ฐ๋ฆฌ๋ ์ด๊ณณ์์ ๋ ๋ง์ ์๋ฃ๋ฅผ ๋ฐ๊ฒฌํ๊ณ ๋งํฌ๋ฅผ ํด๋ฆญํ์ฌ ๋ณด์๋ค https://velog.io/@spasis/Transformers๊ฐ-ํ -์-์๋-๊ฒ๋ค์ ์ ๊ท์: ์์์ ์ ๋ณด๊ฐ ์์์ URL์ ํฌํจ๋์ด ์์ผ๋ฉฐ ์ ์๊ถ์ ์์์ ์์ ์ ๋๋ค.
์ฐ์ํ ๊ฐ๋ฐ์ ์ฝํ ์ธ ๋ฐ๊ฒฌ์ ์ ๋ (Collection and Share based on the CC Protocol.)
์ข์ ์นํ์ด์ง ์ฆ๊ฒจ์ฐพ๊ธฐ
๊ฐ๋ฐ์ ์ฐ์ ์ฌ์ดํธ ์์ง
๊ฐ๋ฐ์๊ฐ ์์์ผ ํ ํ์ ์ฌ์ดํธ 100์ ์ถ์ฒ ์ฐ๋ฆฌ๋ ๋น์ ์ ์ํด 100๊ฐ์ ์์ฃผ ์ฌ์ฉํ๋ ๊ฐ๋ฐ์ ํ์ต ์ฌ์ดํธ๋ฅผ ์ ๋ฆฌํ์ต๋๋ค