Bienvenido spaCy al Hugging Face Hub

¡Bienvenido spaCy al Hugging Face Hub!

spaCy es una biblioteca popular para el procesamiento avanzado del lenguaje natural ampliamente utilizada en la industria. spaCy facilita el uso y entrenamiento de tuberías para tareas como el reconocimiento de entidades nombradas, clasificación de texto, etiquetado de partes del discurso y más, y te permite construir aplicaciones poderosas para procesar y analizar grandes volúmenes de texto.

¡Hugging Face facilita compartir tus tuberías de spaCy con la comunidad! Con un solo comando, puedes subir cualquier paquete de tubería, con una tarjeta de modelo atractiva y todos los metadatos requeridos generados automáticamente para ti. La API de inferencia actualmente admite NER de manera predeterminada, y puedes probar tu tubería de forma interactiva en tu navegador. También obtendrás una URL en vivo para tu paquete que puedes pip install desde cualquier lugar para un camino fluido desde el prototipo hasta la producción.

Encontrando modelos

Más de 60 modelos canónicos se pueden encontrar en la organización de spaCy. ¡Estos modelos son de la última versión 3.1, por lo que puedes probar los últimos modelos lanzados ahora mismo! Además de esto, puedes encontrar todos los modelos de spaCy de la comunidad aquí: https://huggingface.co/models?filter=spacy.

Widgets

Esta integración incluye soporte para widgets de NER, ¡por lo que todos los modelos con un componente NER tendrán esto directamente! Próximamente habrá soporte para clasificación de texto y POS.

• Presentando Optimum El Kit de Herramientas de Optimización para Transformadores a Gran Escala
• Hugging Face y Graphcore se asocian para Transformers optimizados para IPU
• Empezando con Hugging Face Transformers para IPUs con Optimum

Usando modelos existentes

Todos los modelos del Hub se pueden instalar directamente usando pip install.

pip install https://huggingface.co/spacy/en_core_web_sm/resolve/main/en_core_web_sm-any-py3-none-any.whl

# Usando spacy.load().
import spacy
nlp = spacy.load("en_core_web_sm")

# Importando como módulo.
import en_core_web_sm
nlp = en_core_web_sm.load()

Cuando abres un repositorio, puedes hacer clic en Usar en spaCy y se te proporcionará un fragmento de código funcional que puedes utilizar para instalar y cargar el modelo.

Incluso puedes hacer solicitudes HTTP para llamar a los modelos desde la API de inferencia, lo cual es útil en entornos de producción. Aquí tienes un ejemplo de una solicitud simple:

curl -X POST  --data '{"inputs": "Hola, esto es Omar"}' https://api-inference.huggingface.co/models/spacy/en_core_web_sm
>>> [{"entity_group":"PERSON","word":"Omar","start":15,"end":19,"score":1.0}]

Y para casos de uso a gran escala, puedes hacer clic en “Desplegar > Inferencia Acelerada” y ver cómo hacer esto con Python.

Compartiendo tus modelos

Pero probablemente la característica más genial es que ahora puedes compartir tus modelos muy fácilmente con la biblioteca spacy-huggingface-hub, que extiende la CLI de spaCy con un nuevo comando, huggingface-hub push.

huggingface-cli login
python -m spacy package ./en_ner_fashion ./output --build wheel
cd ./output/en_ner_fashion-0.0.0/dist
python -m spacy huggingface-hub push en_ner_fashion-0.0.0-py3-none-any.whl

En solo un minuto, puedes obtener tu modelo empaquetado en el Hub, probarlo directamente en el navegador y compartirlo con el resto de la comunidad. Todos los metadatos requeridos se cargarán automáticamente y incluso obtendrás una tarjeta de modelo genial.

¡Pruébalo y comparte tus modelos con la comunidad!

¿Te gustaría integrar tu biblioteca al Hub?

Esta integración es posible gracias a la biblioteca huggingface_hub, que tiene todos nuestros widgets y la API para todas nuestras bibliotecas compatibles. Si deseas integrar tu biblioteca al Hub, ¡tenemos una guía para ti!

We will continue to update Zepes; if you have any questions or suggestions, please contact us!