详细内容或原文请订阅后点击阅览
选择和实施拥抱脸模型
将预先训练好的模型从盒子中取出，用于您的用例照片由 Erda Estremera 在 Unsplash 上拍摄我最近在日常工作中尝试使用 Hugging Face 目录中的模型，从中获得了很多乐趣，我认为这可能是一个很好的时机来分享我所学到的知识，并为读者提供一些如何以最小的压力应用这些模型的提示。我最近的具体任务是查看大量非结构化文本数据（如备忘录、电子邮件、自由文本注释字段等）并根据与业务用例相关的类别对其进行分类。有很多方法可以做到这一点，我一直在尽可能多地探索，包括模式匹配和词典搜索等简单的东西，也扩展到使用预构建的神经网络模型来实现许多不同的功能，我对结果感到相当满意。我认为最好的策略是结合多种技术，以某种形式的集成，以获得最佳选择。我并不相信这些模型能够经常（而且绝对不会持续）正确地处理问题，因此无法单独使用它们，但当它们与更基本的技术相结合时，它们可以增强信号。选择用例对于我来说，正如我所提到的，任务只是获取通常由人类编写的、没有一致格式或架构的文本块，并尝试找出适用于该文本的类别。除了分析方法之外，我还采用了几种不同的方法
来源:走向数据科学选择和实施拥抱面部模型
将预先训练的型号从包装盒中拔出您的用例
Erda Estremera Unplash最近，我在日常工作中玩了很多乐趣，最近尝试了《拥抱面孔目录》中的模型，我认为这可能是分享我学到的东西的好时机，并为读者提供一些如何以最小的压力应用这些模型的技巧。
我最近的特定任务涉及查看非结构化文本数据的斑点（想想备忘录，电子邮件，免费文本注释字段等），并根据与业务用例相关的类别进行分类。您可以通过多种方法可以做到这一点，而且我一直在探索尽可能多的事情，包括模式匹配和词典搜索等简单的东西，但也扩展到使用预先构建的神经网络模型来用于多种不同的功能，并且我对结果非常满意。
我认为，最好的策略是以某种形式结合多种技术，以获得最佳选择。我不信任这些模型必须经常正确正确（并且绝对不够始终如一）独自使用它们，但是当与更基本的技术结合使用时，它们可以添加到信号中。
选择用例
对我来说，正如我所提到的，任务只是为了将通常由人类写的文本斑点，没有一致的格式或架构，并试图找出适用于该文本的类别。除了前面提到的分析方法之外，我采取了几种不同的方法，这些方法从非常低的努力到我的更多工作。到目前为止，这是我测试过的三种策略。
查找模型
https://huggingface.co/models 管道 代码示例https://huggingface.co/models