Question

我正在寻找here at the feature extraction pipeline。

我使用以下代码进行初始化：

from transformers import pipeline 
pipe = pipeline("feature-extraction") 
features = pipe("test")

我有很多功能。默认情况下使用什么模型？如何初始化此管道以使用特定的预训练模型？

len(features)
1
>>> features
[[[0.4122459590435028, 0.10175584256649017, 0.09342928230762482, -0.3119196593761444, -0.3226662278175354, -0.16414110362529755, 0.06356583535671234, -0.03167172893881798, -0.010002809576690197, -1.1153486967086792, -0.3304346203804016, 0.1727224737405777, -0.0904250368475914, -0.04243310168385506, -0.4745883047580719, 0.09118127077817917, 0.4240476191043854, 0.2237153798341751, 0.12108077108860016, -0.16883963346481323, 0.055300742387771606, -0.07225772738456726, 0.4521999955177307, -0.31655701994895935, 0.05917530879378319, -0.0343029648065567, 0.4157347083091736, 0.10791877657175064, -0
...etc

文档告诉我：

所有模型均可用于此管道。请在huggingface.co/models上查看所有模型的列表，包括社区贡献的模型。

我不清楚此链接中的哪里可以初始化模型。该API非常简洁。

Answer 1

很遗憾，正如您正确地指出的那样，pipelines文档非常稀疏。但是，源代码指定默认使用哪些模型，请参见here。具体来说，该模型为distilbert-base-cased。

有关使用模型的方法，请参见here我的相关答案。您可以像这样简单地指定model和tokenizer参数：

from transformers import pipeline

# Question answering pipeline, specifying the checkpoint identifier
pipeline('feature-extraction', model='bert-base-cased', tokenizer='bert-base-cased')

默认变压器管道中使用哪些功能？

1 个答案: