模型使用指南

AtomGit 提供了丰富的模型资源，您可以轻松地创建、搜索、下载和使用这些模型。本指南将帮助您了解如何在平台上进行模型相关操作。

模型创建

创建新模型

1. 登录您的 AtomGit 账号
2. 点击右上角"+" > "新建模型"
3. 填写模型基本信息：
   • 模型ID
   • 模型名称
   • 选择LICENSE模板
   • 选择是否公开
4. 选择LICENSE模板：
   • PyTorchCreative Commons Attribution Non Commercial 3.0
   • Creative Commons Attribution Non Commercial No IDerivatives 3.0
   • Creative Commons Attribution Non Commercial Share Alike 2.0
   • Creative Commons Attribution Non Commercial Share Alike 3.0
   • H Research License
   • Open Model, Data & Weights License Agreement
   • Unknown
5. 点击"创建模型"完成

模型配置文件

每个模型都需要一个 model-config.yaml 配置文件，示例如下：

model-name: my-awesome-model
version: 1.0.0
framework: pytorch
task: image-classification
dependencies:
  - torch>=2.0.0
  - transformers>=4.30.0

模型搜索

快速搜索

1. 在搜索框输入关键词
2. 使用过滤器筛选：
   • 任务类型
   • 框架
   • 许可证
   • 下载量
   • 更新时间

高级搜索

支持以下高级搜索语法：

• framework:pytorch - 按框架搜索
• task:nlp - 按任务类型搜索
• stars:>100 - 按点赞数搜索
• language:python - 按编程语言搜索

模型下载

使用 Web 界面下载

1. 进入模型详情页
2. 点击"下载"按钮
3. 选择版本和格式

使用命令行下载

# 安装 GitCode CLI
pip install gitcode

# 下载模型
gitcode download username/model-name

# 下载特定版本
gitcode download username/model-name --version v1.0.0

模型使用

Python 代码示例

from gitcode_hub import load_model

# 加载模型
model = load_model("username/model-name")

# 使用模型进行推理
result = model.predict(input_data)

API 调用示例

import requests

API_URL = "https://api.gitcode.com/v1/models/username/model-name"
headers = {"Authorization": f"Bearer {API_TOKEN}"}

def query(payload):
    response = requests.post(API_URL， headers=headers， json=payload)
    return response.json()

# 发送推理请求
output = query({
    "inputs": "你好，世界！"，
})

最佳实践

1. 版本控制

   • 使用语义化版本号
   • 保持向后兼容性
   • 记录版本更新日志

2. 文档编写

   • 提供详细的模型描述
   • 包含使用示例
   • 说明模型限制和注意事项

3. 性能优化

   • 提供模型量化版本
   • 支持批处理推理
   • 优化推理速度

4. 安全性

   • 进行模型安全性测试
   • 提供模型卡片说明潜在风险
   • 遵守数据隐私要求

常见问题

Q: 如何更新已发布的模型？ A: 您可以通过版本管理功能发布新版本，或更新现有版本的文件。

Q: 模型支持哪些格式？ A: 支持主流深度学习框架格式，包括 PyTorch、TensorFlow、ONNX 等。

Q: 如何处理模型依赖？ A: 在 model-config.yaml 中声明依赖，或提供 requirements.txt 文件。