Skip to content

Bert

你们中的许多人一定听说过“Bert”或“transformers”。 你可能还知道huggingface。

在本教程中，让我们使用它的 pytorch 转换器模型并通过 REST API 为它提供服务

模型是如何工作的？

输入一个不完整的句子，模型将给出它的预测：

Paris is the [MASK] of France.

Paris is the capital of France.

现在就来试试吧

先决条件

请访问 依赖项

服务模型

安装 Pinferencia

首先，让我们安装 Pinferencia。

pip install "pinferencia[streamlit]"

创建app.py

让我们将我们的预测函数保存到一个文件 app.py 中并添加一些行来注册它。

app.py
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
from transformers import pipeline

from pinferencia import Server, task

bert = pipeline("fill-mask", model="bert-base-uncased")


def predict(text: str) -> list:
    return bert(text)


service = Server()
service.register(
    model_name="bert",
    model=predict,
    metadata={"task": task.TEXT_TO_TEXT},
)

运行服务，等待它加载模型并启动服务器：

$ uvicorn app:service --reload
INFO:     Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)
INFO:     Started reloader process [xxxxx] using statreload
INFO:     Started server process [xxxxx]
INFO:     Waiting for application startup.
INFO:     Application startup complete.

$ pinfer app:service --reload

Pinferencia: Frontend component streamlit is starting...
Pinferencia: Backend component uvicorn is starting...

测试服务

打开http://127.0.0.1:8501，模板Text to Text会自动选中。

UI

请求

curl --location --request POST \
    'http://127.0.0.1:8000/v1/models/bert/predict' \
    --header 'Content-Type: application/json' \
    --data-raw '{
        "data": "Paris is the [MASK] of France."
    }'

响应

{
    "model_name":"bert",
    "data":"Paris is the capital of France."
}

创建test.py。

test.py
1
2
3
4
5
6
7
8
import requests


response = requests.post(
    url="http://localhost:8000/v1/models/bert/predict",
    json={"data": "Paris is the [MASK] of France."},
)
print(response.json())
运行脚本并检查结果。

$ python test.py
{'model_name': 'bert', 'data': 'Paris is the capital of France.'}

更酷的是，访问 http://127.0.0.1:8000，您将拥有一个完整的 API 文档。

您甚至也可以在那里发送预测请求！