Hub 文件
在 Hugging Face 使用 Adapters
加入 Hugging Face 社群
並獲得增強的文件體驗
開始使用
在 Hugging Face 使用 Adapters
注意：Adapters 已取代 `adapter-transformers` 庫，並在模型權重方面完全相容。詳情請參閱此處。
Adapters 是 🤗 `transformers` 的一個附加庫，用於使用介面卡和其他引數高效方法高效微調預訓練語言模型。Adapters 還提供了多種在訓練和推理期間組合介面卡模組的方法。您可以在Adapters 論文中瞭解更多資訊。
探索 Hub 上的 Adapters
您可以透過在模型頁面左側進行篩選來查詢 Adapters 模型。一些介面卡模型可以在 Adapter Hub 倉庫中找到。來自這兩個來源的模型都聚合在 AdapterHub 網站上。
安裝
要開始使用，您可以參考AdapterHub 安裝指南。您也可以透過 pip 使用以下一行命令進行安裝
pip install adapters使用現有模型
有關載入預訓練介面卡的完整指南，我們建議查閱官方指南。
簡而言之，完整的設定包括三個步驟：
- 使用 Adapters 提供的 `AutoAdapterModel` 類載入基礎 `transformers` 模型。
- 使用 `load_adapter()` 方法載入並新增介面卡。
- 透過 `active_adapters` 啟用介面卡（用於推理），或透過 `train_adapter()` 啟用並將其設定為可訓練（用於訓練）。務必同時查閱介面卡組合。
from adapters import AutoAdapterModel
# 1.
model = AutoAdapterModel.from_pretrained("FacebookAI/roberta-base")
# 2.
adapter_name = model.load_adapter("AdapterHub/roberta-base-pf-imdb")
# 3.
model.active_adapters = adapter_name
# or model.train_adapter(adapter_name)您還可以使用 `list_adapters` 以程式設計方式查詢所有介面卡模型。
from adapters import list_adapters
# source can be "ah" (AdapterHub), "hf" (hf.co) or None (for both, default)
adapter_infos = list_adapters(source="hf", model_name="FacebookAI/roberta-base")如果您想了解如何載入特定模型，可以點選“在 Adapters 中使用”，您將獲得一個可載入的工作程式碼片段！
分享您的模型
有關使用 Adapters 共享模型的完整指南，我們建議查閱官方指南。
您可以透過對已包含介面卡的模型使用 `push_adapter_to_hub` 方法來共享您的介面卡。
model.push_adapter_to_hub(
"my-awesome-adapter",
"awesome_adapter",
adapterhub_tag="sentiment/imdb",
datasets_tag="imdb"
)此命令將建立一個包含自動生成的模型卡和所有必要元資料的倉庫。