最先進PHP大模型深度學習庫TransformersPHP ## 概述 > 最先進的PHP機器學習。在PHP項目中原生運行Transformer TransformersPHP是一個工具包，PHP開發人員可以輕松地將機器學習魔法添加到他們的項目中。你可能聽說過Hugging Face的Python庫，它以處理文本而聞名，比如總結長文章，在語言之間進行翻譯，甚至是與圖像和音頻相關的任務。Transformers PHP將這種能力帶到了PHP世界。 TransformersPHP被設計為在功能上等同于Python庫，同時仍然保持相同的性能和易用性。這個庫建立在Hugging Face的Transformers庫之上，該庫提供了100多種語言的數千個預訓練模型。它被設計成一個簡單易用的庫，供PHP開發人員使用類似于Python庫的API。這些模型可用于各種任務，包括文本生成、摘要、翻譯等。 TransformersPHP使用ONNX運行時來運行模型，這是開放神經網絡交換（ONNX）模型的高性能評分引擎。您可以輕松地將任何PyTorch或TensorFlow模型轉換為ONNX，并使用??TensorOptimum與TransformersPHP一起使用。 ### 使用預訓練模型 TransformersPHP背后的核心思想是讓你使用已經訓練好的模型。“預訓練模型”只是從大量文本數據中獲得和學習的機器學習模型。它們已經準備好開箱即用，可以執行各種任務。使用TransformersPHP，這些模型直接在PHP應用程序中運行。這意味著您不需要使用外部服務或API來處理數據。一切都發生在本地，在你的服務器上。 ### 什么是ONNX？ ONNX引擎看起來似乎是一個復雜的術語，但它本質上是一個高性能引擎，旨在推斷和加速機器學習模型。開放神經網絡交換（ONNX）格式是該引擎的核心，是機器學習模型的通用格式。這意味著無論最初使用哪個框架來訓練模型-無論是PyTorch，TensorFlow，JAX，甚至是經典的機器學習庫，如scikit-learn，LightGBM，XGBoost等-可以轉換為ONNX格式。這種格式可以在不同的平臺上高效運行，包括PHP應用程序。 ### 靈感 TransformersPHP的開發受到Xenova/transformers項目的啟發，Xenova/transformers項目也是一個類似的使用ONNX運行時的JavaScript項目。這種共享的靈感意味著大多數為Xenova/transformers準備的模型也與TransformersPHP兼容。它在機器學習世界和PHP開發之間創建了一個無縫的橋梁，允許您在應用程序中利用強大的模型。 ## 快速瀏覽 > Python ```python from transformers import pipeline # Allocate a pipeline for sentiment-analysis pipe = pipeline('sentiment-analysis') out = pipe('I love transformers!') # [{'label': 'POSITIVE', 'score': 0.999806941}] ``` > PHP ```php use function Codewithkyrian\Transformers\Pipelines\pipeline; // Allocate a pipeline for sentiment-analysis $pipe = pipeline('sentiment-analysis'); $out = $pipe('I love transformers!'); // [{'label': 'POSITIVE', 'score': 0.999808732}] ``` > Javascript ```js import {pipeline} from '@xenova/transformers'; // Allocate a pipeline for sentiment-analysis let pipe = await pipeline('sentiment-analysis'); let out = await pipe('I love transformers!'); // [{'label': 'POSITIVE', 'score': 0.999817686}] ``` 你可以看到它在不同語言之間是多么的相似，如果你在它們之間切換或學習一種新的語言，這會讓你更容易。 ## 特性 * **本地模型執行**。直接在PHP項目中部署大量NLP模型，無需依賴外部API即可實現語言理解、文本生成等功能。 * **易于集成**。輕松地將高級AI功能嵌入到您的PHP應用程序中，通過文本分類和實體識別等功能對其進行增強。 * **針對性能進行了優化**。享受快速處理和高效的資源使用，允許跨任何規模的項目提供可擴展的AI解決方案，而不會犧牲速度或性能。 ## 安裝 您可以通過Composer安裝庫。這是安裝庫的推薦方法： ``` composer require codewithkyrian/transformers ``` TransformersPHP所需的所有共享庫都將自動安裝。如果由于某種原因失敗，您可以使用以下命令手動安裝它們： ``` ./vendor/bin/transformers install ``` > 說明：共享庫是特定于平臺的，因此在執行代碼的目標平臺上運行`composer`require或`transformers install`命令非常重要。在大多數情況下，這將是您的開發機器或部署應用程序的服務器，但如果您使用Docker容器，請在該容器中運行`composer require`命令。 就是這樣！現在您已經準備好在PHP應用程序中使用TransformersPHP了。 ## 預下載模型 默認情況下，當您第一次使用管道或預訓練模型時，TransformersPHP會自動從Hugging Face模型中心檢索模型權重（ONNX格式）。為了節省時間并增強用戶體驗，最好提前下載ONNX型號權重，尤其是對于較大的型號。TransformersPHP包含一個命令行工具來促進這一點： ``` ./vendor/bin/transformers download <model_name_or_path> [<task>] [options] ``` 例如，要下載`Xenova/bert-base-uncased`模型，您可以運行： ``` ./vendor/bin/transformers download Xenova/bert-base-uncased ``` ## 基本用法 開始使用TransformersPHP的最快和最直接的方法是通過管道API。如果您熟悉Python的Transformers庫，您會發現這種方法非常相似。它是一個用戶友好的API，將模型與特定任務的所有必要預處理和后處理步驟捆綁在一起。 ### 創建管道 要創建管道，您需要指定要使用它的任務。例如，如果你想使用一個管道進行情感分析，你可以創建一個這樣的管道： ``` use function Codewithkyrian\Transformers\Pipelines\pipeline; $classifier = pipeline('sentiment-analysis'); ``` 第一次運行時，TransformersPHP將下載并緩存默認的預訓練模型，以進行即時情緒分析。這個初始設置可能需要一點時間，但隨后的運行會快得多。 ### 使用不同的模型 每個任務都有一個用于推理的默認模型。但是，您可以指定要使用的其他模型： ``` $classifier = pipeline('sentiment-analysis', 'Xenova/bert-base-multilingual-uncased-sentiment'); ``` 您還可以指定是否應使用量化模型（默認值為`true`）： ``` $classifier = pipeline('sentiment-analysis', quantized: false); ``` ### 使用流水線 現在你已經有了管道，使用它就像調用一個函數一樣簡單。只需提供您想要分析的文本即可： ``` $result = $classifier('I love TransformersPHP!'); ``` 你會得到情感分析結果 ``` ['label' => 'POSITIVE', 'score' => 0.9995358059835] ``` 你不限于一次一個文本，你也可以傳遞一個文本數組來獲得多個分析： ``` $results = $classifier([ 'I love TransformersPHP!', 'I hate TransformersPHP!', ]); ``` 輸出將為您提供每個文本的情感評分 ``` [ ['label' => 'POSITIVE', 'score' => 0.99980061678407], ['label' => 'NEGATIVE', 'score' => 0.99842234422764], ] ```