Hub documentation
Hugging Face에서 SpanMarker 사용
Hugging Face에서 SpanMarker 사용
SpanMarker는 BERT, RoBERTa, DeBERTa와 같은 익숙한 인코더를 사용하여 강력한 Named Entity Recognition 모델을 학습하기 위한 프레임워크입니다. 🤗 Transformers 라이브러리 위에 긴밀하게 구현되어 있어 이를 잘 활용할 수 있습니다. 그 결과, Transformers에 익숙한 사용자에게 SpanMarker는 직관적으로 사용할 수 있습니다.
Hub에서 SpanMarker 탐색
모델 페이지 왼쪽에서 필터링하여 span_marker 모델을 찾을 수 있습니다.
Hub의 모든 모델에는 다음 유용한 기능이 포함되어 있습니다:
- 간략한 설명이 포함된 자동 생성된 모델 카드
- 모델을 브라우저에서 직접 실험해 볼 수 있는 인터랙티브 위젯입니다.
- 추론 요청을 수행할 수 있는 Inference Providers 위젯입니다.
설치
시작하려면 SpanMarker 설치 가이드를 따를 수 있습니다. 또한 다음 한 줄 명령을 통해 pip로 설치할 수도 있습니다:
pip install -U span_marker기존 모델 사용
모든 span_marker 모델은 Hub에서 쉽게 로드할 수 있습니다.
from span_marker import SpanMarkerModel
model = SpanMarkerModel.from_pretrained("tomaarsen/span-marker-bert-base-fewnerd-fine-super")로드가 완료되면 SpanMarkerModel.predict를 사용하여 추론을 수행할 수 있습니다.
model.predict("Amelia Earhart flew her single engine Lockheed Vega 5B across the Atlantic to Paris.")[
{"span": "Amelia Earhart", "label": "person-other", "score": 0.7629689574241638, "char_start_index": 0, "char_end_index": 14},
{"span": "Lockheed Vega 5B", "label": "product-airplane", "score": 0.9833564758300781, "char_start_index": 38, "char_end_index": 54},
{"span": "Atlantic", "label": "location-bodiesofwater", "score": 0.7621214389801025, "char_start_index": 66, "char_end_index": 74},
{"span": "Paris", "label": "location-GPE", "score": 0.9807717204093933, "char_start_index": 78, "char_end_index": 83}
]특정 SpanMarker 모델을 로드하려면 Use in SpanMarker를 클릭하면 작동하는 스니펫을 받을 수 있습니다!