乐趣区

关于机器学习:通过-Gorilla-入门机器学习

jiezi

机器学习是一种人工智能畛域的技术和办法，旨在让计算机系统可能从数据中学习和改良，而无需显式地进行编程。它波及构建和训练模型，使其可能主动从数据中提取法则、进行预测或做出决策。

我对于机器学习这方面的理解能够说是一片空白，既不懂机器学习，也不懂 python，更不懂算法。

像我这样的人，在短时间内精通机器学习是不可能的。

那么，当初我能够通过哪些渠道来疾速理解机器学习呢？或者说，玩一玩？

答案就是通过 Gorilla 这个开源我的项目来实现机器学习。

Gorilla 简介 & 应用

Gorilla 是一个基于 LLM 实现的对话模型，能够接管用户提供的需要，而后给出可能实现需求的机器学习模型 API，目前反对的开源模型 API 起源蕴含：Hugging Face、Torch、and TensorFlow.

咱们能够在 Google 的 Colab 下面运行 Gorilla，也能够在本地运行 Gorilla。

这里我应用 Colab 来运行 Gorilla。

Gorilla 提供了两个案例，一个是翻译的案例，一个是图像识别的案例。

这里我选用了图像识别的案例，点击运行。

从图中能够看出，咱们给出的需要是 构建一个能够辨认图片中的物体的机器人 ，应用的模型起源是 Hugging Face。

它的答复是：

  • 步骤：
  1. 引入 PIL 和 transformers 相干依赖, 其中蕴含的 DetrForObjectDetection 可用于图像识别。
  2. 应用 from_pretrained 办法加载模型，模型能够用来辨认图片中的物体。
  3. 从远端下载图片，而后应用 PIL 解决图片。
  4. 应用模型辨认图片中的物体，而后将辨认后果返回。

最初，它给出了一段代码，咱们能够间接复制到本地文件中运行。

运行之前，须要保障本地具备 python3 工作环境，同时须要应用 pip 将代码中应用到的依赖进行装置。

我在简略尝试后，发现这段代码是无奈运行的，这也是大多数 LLM 模型的通病，看起来很业余的答案，然而理论代码是无奈运行的。

Hugging Face 模型

不过，整体代码逻辑我看了一眼，是能够了解的，那么，咱们能够本人入手来实现这个需要。

首先，在网上找到 Hugging Face，在外面发现了很多模型，这里我抉择了最多下载的模型 —— 辨认车牌。（如下图）

点进去能够看到性能介绍及示例代码。（如下图）

我把代码放到本地，下载相干依赖后，同时筹备了上面这张待处理的图片。

import yolov5

# load model
model = yolov5.load('keremberke/yolov5m-license-plate')
  
# set model parameters
model.conf = 0.25  # NMS confidence threshold
model.iou = 0.45  # NMS IoU threshold
model.agnostic = False  # NMS class-agnostic
model.multi_label = False  # NMS multiple labels per box
model.max_det = 1000  # maximum number of detections per image

# set image
img = 'example.jpg'

# perform inference
results = model(img, size=640)

# inference with test time augmentation
results = model(img, augment=True)

# parse results
predictions = results.pred[0]
boxes = predictions[:, :4] # x1, y1, x2, y2
scores = predictions[:, 4]
categories = predictions[:, 5]

# show detection bounding boxes on image
results.show()

# save results into "results/" folder
results.save(save_dir='results/')

应用 py 命令运行代码后，我失去了解决后的图片。（如下图）

它胜利的将图片中清晰可见的车牌扫描进去了，后果是 2 个。

对于齐全没理解过相干常识的我，能做到这一步，我还是感觉有些意外的。

我又尝试了一下 Hugging Face 上的其余收费模型，都挺有意思的，大家感兴趣的能够本人去尝试一下。

小结

Gorilla 目前提供给我的代码，并没有帮忙我写出一个可用的我的项目。

然而，它所提供的思路和方向是正确的，并且相干的模型也是能够应用的。

作为 0 根底选手，通过 Gorilla，的确能够疾速的理解到机器学习的相干常识，同时也能够疾速的实现一个机器学习的我的项目。

上面附上一些相干材料，蕴含 Gorilla 教程：

Gorilla 官网地址

Gorilla Colab

Hugging Face 模型

最初一件事

如果您曾经看到这里了，心愿您还是点个赞再走吧~

您的点赞是对作者的最大激励，也能够让更多人看到本篇文章！

如果感觉本文对您有帮忙，请帮忙在 github 上点亮 star 激励一下吧！

退出移动版