環境構築 Google Colabで環境構築します。 下記にHuggingFaceのパイプラインの情報があります。 https://huggingface.co/transformers/main_classes/pipelines.html パイプラインで実行可能なタスクは下記になります。 ConversationalPipeline FeatureExtractionPipeline Fill […]
下記の部分にその記述があります。 https://huggingface.co/transformers/task_summary.html#summarization 環境構築 Google Colabで環境構築を行います。 下記の記事に手順を記述しています。 ライブラリを導入します。 モデルとTokenizerをまとめて扱えるpipelineを使用します。 このパイプラインはデータの前処理から […]
環境構築 Google Colabで動作確認をします。下記のリンクに環境構築方法を記述しています。 翻訳 まず必要なライブラリを導入します。 下記のコードで動作確認をします。 使用した例文はhuggingfaceが提供しているテストデータの中の一部を抜粋しました。 下記サイトからテストデータを取得できます。 https://huggingface.co/Helsinki-NLP/opus-mt-e […]
TensorFlowで依存するcuda, cuDNNの各バージョン Tensorflowは依存するcuda、cuDNNが異なるので検証に最適なのでTensorFlowで試してみます。 minicondaを導入します。下記リンクからインストーラを取得できます。 https://docs.conda.io/en/latest/miniconda.html 下記リンクに各TensorFlowバージョンの […]
参考にした記事は下記です。 https://medium.com/rapids-ai/gpu-accelerated-shap-values-with-xgboost-1-3-and-rapids-587fad6822 環境構築 NVIDIA GPU CLOUDからRAPIDSのコンテナを取得して実行します。 下記記事でNVIDIA GPU CLOUDの設定方法を記述しました。 SHAPのCPUパ […]
環境構築 環境構築はGoogle Colabで行います。 Google Colab上でpipで必要なライブラリをインストールします。 https://github.com/slundberg/shap 下記のコードをベースに処理をみていきます https://github.com/slundberg/shap/blob/master/notebooks/overviews/An%20introdu […]
動作環境 Google Colabで動作確認しました。 下記の記事で環境構築方法を記述しています。 言語モデルについて シンプルに説明すると単語データが与えられたときに次の単語候補を予測するモデルです。 例えば下記のようなデータが与えられたとき ”今日は日曜焼き肉定食を” 次の候補として ”たべる” を出力するようなモデルです。 データの準備 下記のページにある”How to fine […]
Hugging Faceについて hugging faceはTransoformerやGPTなど自然言語処理で高い性能を発揮したモデルを簡単に使用できるライブラリです。 使用できるモデル一覧は下記です。 https://huggingface.co/transformers/pretrained_models.html 日本語のモデルは下記になります。 cl-tohoku/bert-base-ja […]
Grad-CAM 下記のように’Cat’と分類した場合にどこに注目したか分かる仕組みになります。 予測値”Tigar Cat”に寄与が高い（勾配が大きい）部分を取得しています。 Grad-CAMは、予測クラス値の寄与の大きいところ(勾配の大きいところ)が分類予測を行う上で、重要という発想の手法です。勾配に関しては最後の畳み込み層(以下最後のconv層)の予測クラス値に対する勾配が用いられます。 動 […]
日本語対応しているOCRのオープンソースがあったので試してみました。 https://github.com/JaidedAI/EasyOCR 動作環境 環境はGoogle Colabを使用しました。 動作検証 内部のコードはPyTorchベースで実装されているのでGPUで動作するため、RUNTIMEはGPUで動作させます。 Runtime->Change runtime type で下記の画面にな […]
