ニュース
2023年1月：
Fine-tuningプロセスを最適化し、パラメーターの更新、カスタムデータ、およびスクリプトの分散トレーニングをサポートしました。詳細はfine-tuningのサンプルをご覧ください。
2022年11月：
ModelScope 1.0バージョンをリリースしました。以下の機能は1.0以上を使用してください。 OFAチュートリアルを新たに追加しました。
OFAの事前トレーニングモデルの使用方法
Fine-tuning OFAの事前トレーニングモデルは、OFAが8つの事前トレーニングタスク（詳しくは論文を参照）でckptを得たものですが、ダウンストリームタスクのfine-tuningの基礎です。
モデルの詳細は、ドキュメント：OFAチュートリアル1.4節を参照してください。
ここでは、事前トレーニングモデルを直接使用してcaptionタスクでデモを行います。ModelScope Libraryは1.2.0以上が必要です。
python import tempfile from modelscope.msdatasets import MsDataset from modelscope.metainfo import Trainers from modelscope.trainers import build_trainer from modelscope.utils.constant import DownloadMode from modelscope.utils.hub import snapshot_download
train_dataset = MsDataset( MsDataset.load( "coco_2014_caption", namespace="modelscope", split="train[:100]", download_mode=DownloadMode.REUSE_DATASET_IF_EXISTS).remap_columns({ 'image': 'image', 'caption': 'text' })) test_dataset = MsDataset( MsDataset.load( "coco_2014_caption", namespace="modelscope", split="validation[:20]", download_mode=DownloadMode.REUSE_DATASET_IF_EXISTS).remap_columns({ 'image': 'image', 'caption': 'text' }))
def cfg_modify_fn(cfg): cfg.train.hooks = [{ 'type': 'CheckpointHook', 'interval': 2 }, { 'type': 'TextLoggerHook', 'interval': 1 }, { 'type': 'IterTimerHook' }] cfg.train.max_epochs=2 return cfg
pretrained_model = 'damo/ofa_pretrain_tiny_en' pretrain_path = snapshot_download(pretrained_model, revision='v1.0.1')
args = dict( model=pretrain_path, train_dataset=train_dataset, eval_dataset=test_dataset, cfg_modify_fn=cfg_modify_fn, work_dir = tempfile.TemporaryDirectory().name) trainer = build_trainer(name=Trainers.ofa, default_args=args) trainer.train()
ZeroShot OFAの事前トレーニングモデルは、以下のコードを使用して推論テストができます。
事前トレーニングモデルがあると、OFAの独自の能力特徴（One For All）を利用して、事前トレーニングモデルでダウンストリームタスクの効果をテストすることができます。具体的には、caption能力を例として示します。
python import os import shutil from modelscope.utils.hub import snapshot_download from modelscope.pipelines import pipeline from modelscope.utils.constant import Tasks from modelscope.outputs import OutputKeys from modelscope.utils.constant import ModelFile
pretrained_model = 'damo/ofa_pretrain_tiny_en' pretrain_path = snapshot_download(pretrained_model, revision='v1.0.1') task_model = 'damo/ofa_image-caption_coco_large_en' task_path = snapshot_download(task_model)
shutil.copy(os.path.join(task_path, ModelFile.CONFIGURATION), # タスクの設定を事前トレーニングモデルの設定に上書きする os.path.join(pretrain_path, ModelFile.CONFIGURATION))
ofa_pipe = pipeline(Tasks.image_captioning, model=pretrain_path) result = ofa_pipe('http://xingchen-data.oss-cn-zhangjiakou.aliyuncs.com/maas/image-captioning/donuts.jpg') print(result[OutputKeys.CAPTION])
ドルフィンAIは言語学習アプリケーションのためのプロフェッショナルな発音評価API(pronunciation assessment api)ソリューションを提供します。音素、単語、文章、チャプター、発音矯正、単語矯正、クイズ、フリーダイアログ、多肢選択問題など幅広く提供しています。当社の発音評価製品（pronunciation assessment）は、英語と中国語、クラウドAPI、オンプレミス、オフラインデバイスの展開をサポートしています。当社の発音評価API（pronunciation assessment api）は、正確性、流暢性、完全性、リズムの次元をカバーする豊富な評価指標を提供し、音素、単語、文の異なるレベルの評価スコアも提供します。また、音素、単語、文の異なるレベルでの評価スコアも提供します。数千万人のユーザーに安定した効率的で安全なサービスを提供しています。ドルフィンAIの発音評価製品（pronunciation assessment）を試してみませんか？
