Hub documentation
在 Hugging Face 上使用 AllenNLP
在 Hugging Face 上使用 AllenNLP
allennlp 是一个用于在不同语言任务上开发最先进模型的 NLP 库。它为现代 NLP 中的常见组件和模型提供了高级抽象和 API。它还提供了一个可扩展的框架，便于运行和管理 NLP 实验。
在 Hub 中探索 allennlp
您可以在模型页面左侧进行筛选，以查找 Hub 上的allennlp模型。
Hub 上的所有模型都附带了实用功能
- 带有自动托管的 TensorBoard 跟踪记录的训练指标选项卡。
- 有助于提高可发现性的元数据标签。
- 一个交互式小部件，可直接在浏览器中用于体验该模型。
- 一个用于发起推理请求的 Inference Providers 小部件。
使用现有模型
您可以使用 Predictor 类来加载 Hub 上现有的模型。为此，请使用 from_path 方法，并在仓库 id 前加上 "hf://" 前缀。下面是一个端到端的示例。
import allennlp_models
from allennlp.predictors.predictor import Predictor
predictor = Predictor.from_path("hf://allenai/bidaf-elmo")
predictor_input = {
"passage": "My name is Wolfgang and I live in Berlin",
"question": "Where do I live?"
}
predictions = predictor.predict_json(predictor_input)要获取这样的代码片段，您可以点击右上角的 Use in AllenNLP，
共享您的模型
第一步是将模型保存到本地。例如，你可以使用 archive_model 方法将模型保存为 model.tar.gz 文件。然后，你可以将压缩后的模型推送到 Hub。当你使用 allennlp 训练模型时，模型会自动序列化，因此你可以将其作为首选方案。
使用 AllenNLP CLI
要通过 CLI 推送，您可以使用如下所示的 allennlp push_to_hf 命令。
allennlp push_to_hf --repo_name test_allennlp --archive_path model
| 参数 | 类型 | 描述 |
|---|---|---|
--repo_name, -n | str / Path | Hub 上仓库的名称。 |
--organization, -o | str | 要上传该 pipeline 的组织的可选名称。 |
--serialization-dir, -s | str / Path | 包含序列化模型的目录的路径。 |
--archive-path, -a | str / Path | 如果您使用的是压缩模型（例如 model/model.tar.gz）而非序列化路径，则可以使用此标志。 |
--local-repo-path, -l | str / Path | 模型仓库的本地路径（如果不存在则会自动创建）。默认值为当前工作目录下的 hub。 |
--commit-message, -c | str | 用于更新的提交信息。默认为 "update repository"。 |
从 Python 脚本
push_to_hf 函数与 bash 脚本具有相同的参数。
from allennlp.common.push_to_hf import push_to_hf
serialization_dir = "path/to/serialization/directory"
push_to_hf(
repo_name="my_repo_name",
serialization_dir=serialization_dir,
local_repo_path=self.local_repo_path
)只需一分钟，你就可以将模型上传到 Hub，直接在浏览器中试用，并与社区其他成员分享。所有必需的元数据都会自动为你上传！