メむンコンテンツぞスキップ
芋出し画像

Hugging Face 入門 å…š10回-【第3回】

    【第2回】はこちら

    【第3回】Google Colab で最初の AI を動かす


    この回では3぀の登堎人物が出おきたす。それぞれの圹割を最初に敎理しおおきたす。

    登堎人物圹割どこから来るかGoogleColabコヌドを動かす実行環境Googletransformers/fugashi等のラむブラリAIを扱うための道具PyPI(pipでむンストヌル)AIモデル(BERT等)実際に刀断・生成を行う本䜓HuggingFaceHub\begin{array}{lll} 登堎人物 & 圹割 & どこから来るか \\ \hline \mathrm{Google Colab} & コヌドを動かす実行環境 & \mathrm{Google} \\ \hline \mathrm{transformers/fugashi}等のラむブラリ & \mathrm{AI}を扱うための道具 & \mathrm{PyPI}(\mathrm{pip}でむンストヌル) \\ \hline \mathrm{AI} モデル(\mathrm{BERT}等) & 実際に刀断・生成を行う本䜓 & \mathrm{Hugging Face Hub} \\ \hline \end{array}

    Hugging Face が盎接関係するのは「モデルの入手」の郚分です。

    pipeline() や from_pretrained() を実行した瞬間に、Hugging Face Hub からモデルデヌタが自動でダりンロヌドされたす。

    Google Colab を開く


    ブラりザで以䞋の URL にアクセスしたす。

    https://colab.research.google.com

    Google アカりントでログむン埌、「新しいノヌトブック」を遞択すしたす。

    画面にセルコヌドを入力する枠が衚瀺されれば準備完了です。

    ステップ1 ラむブラリをむンストヌルする


    最初のセルに以䞋を入力し、▶ ボタンで実行したす。

    !pip install transformers torch -q

    これにより Hugging Face のモデルを扱うための「道具」を PyPIPython 公匏のラむブラリ配垃サヌバヌからダりンロヌドしたす。

    Hugging Face Hub ずはただ通信しおいたせん。

    むンストヌルが完了するたで数十秒かかりたす。

    ゚ラヌが出なければ次ぞ進みたす。

    ステップ2 感情分析を詊す


    新しいセルに以䞋を入力しお実行したす。

    from transformers import pipeline
    
    classifier = pipeline("sentiment-analysis")
    result = classifier("I love physics!")
    print(result)


    実行結果の䟋

    [{'label': 'POSITIVE', 'score': 0.9998}]

    pipeline("sentiment-analysis") を実行した時点で、Hugging Face Hub からデフォルトの感情分析モデルが自動でダりンロヌドされたす。

    モデル名を省略した堎合は Hugging Face 偎が掚奚するモデルが遞ばれたす。

    POSITIVE はポゞティブな文章ず刀定されたこず、0.9998 は AI の確信床1.0 に近いほど自信ありを意味したす。

    ステップ3 日本語を詊す


    日本語モデルのトヌクナむザヌには、圢態玠解析噚の fugashi ず蟞曞デヌタ  unidic-lite が必芁になりたす。

    たず新しいセルで以䞋を実行したす。

    !pip install fugashi unidic-lite -q

    補足 unidic-lite の郚分で゚ラヌが出る堎合は ipadic を詊しおください。どちらが必芁かはモデルによっお異なりたす。

    次のセルで、Hugging Face Hub 䞊の日本語モデルを名前で指定しお取埗したす。

    むンストヌルが完了したら、次のセルを実行したす。

    from transformers import pipeline
    
    classifier = pipeline(
        "text-classification",
        model="koheiduck/bert-japanese-finetuned-sentiment"
    )
    
    result = classifier("栞融合炉の研究は面癜い")
    print(result)

    model= に指定しおいる "koheiduck/bert-japanese-finetuned-sentiment" が Hugging Face Hub 䞊のモデル ID です。

    ブラりザで huggingface.co/koheiduck/bert-japanese-finetuned-sentiment にアクセスするず、このモデルのペヌゞを確認できたす。

    日本語のテキストを入力し、同様にポゞティブ・ネガティブを刀定できたす。

    凊理の流れ


    コヌドを実行したずき、内郚では以䞋の順に凊理が進んでいたす。

    自分のコヌド
        ↓
    transformers ラむブラリ
        ↓
    モデルのダりンロヌド初回のみ・自動
        ↓
    掚論AI による刀定
        ↓
    結果が返っおくる

    党䜓の流れ

    ステップ1pip install
    → PyPI からラむブラリ道具を取埗
    → Hugging Face ずは無関係
    
    ステップ2・3pipeline() を実行
    → Hugging Face Hub からモデルデヌタを自動ダりンロヌド
    → ここで初めお Hugging Face が登堎する
    
    以降の実行
    → キャッシュからモデルを読み蟌む
    → Hugging Face ぞの通信は䞍芁

    甚語解説

    PyPIパむパむ: Python Package Index Python のラむブラリを公開・配垃する公匏サヌバヌ。pip install のダりンロヌド元はここ。Hugging Face ずは別のサヌビス。

    transformersトランスフォヌマヌズ Hugging Face が開発したオヌプン゜ヌスの Python ラむブラリ。様々な AI モデルを統䞀的なむンタヌフェヌスで䜿えるようにしおいる。

    torch / PyTorchパむトヌチ Meta旧 Facebookが開発した深局孊習フレヌムワヌク。transformers ラむブラリの動䜜基盀ずしお䜿われるこずが倚い。

    pipelineパむプラむン 耇雑な凊理を䞀本の流れにたずめた仕組み。「モデルの読み蟌み → 入力凊理 → 掚論 → 出力」を䞀行で実行できる関数。

    モデル ID Hugging Face Hub 䞊のモデルを識別する名前。ナヌザヌ名/モデル名 の圢匏䟋koheiduck/bert-japanese-finetuned-sentiment。

    fugashiフガシ 日本語の圢態玠解析を行うラむブラリ。日本語モデルのトヌクナむザヌが内郚で䜿甚する。PyPI からむンストヌルする。

    unidic-lite / ipadic fugashi が䜿う日本語蟞曞デヌタ。モデルによっおどちらが必芁かが異なる。゚ラヌメッセヌゞで刀断する。

    圢態玠解析けいたいそかいせき 日本語テキストを意味のある最小単䜍に分割する凊理。英語はスペヌスで単語が区切られおいるが、日本語には区切りがないためこの凊理が必芁になる。「栞融合炉の研究」→「栞融合」「炉」「の」「研究」のように分割される。

    sentiment-analysis感情分析 テキストの感情的な傟向ポゞティブ・ネガティブなどを刀定する AI タスク。

    scoreスコア AI の出力に付随する確信床の数倀0〜1。1.0 に近いほど AI がその刀定に自信を持っおいるこずを瀺す。

    ラむブラリ よく䜿う凊理をたずめた再利甚可胜なプログラムの集たり。pip install でむンストヌルしお䜿う。

    pipぎっぷ Python のパッケヌゞ管理ツヌル。pip install ラむブラリ名 でラむブラリを远加できる。Colab では先頭に ! を぀けお実行する。


    次回は pipeline で䜿える䞻芁タスクの䞀芧を玹介したす。

    (2026幎3月5日蚘)

    #HuggingFace #GoogleColab #機械孊習入門 #Python入門 #AI入門

    【第4回】を公開したした


     
     
    科孊技術や株匏投資に関する執筆䟝頌を随時受け付けおいたす。専門的な解説蚘事から気軜な゚ッセむたで幅広く察応可胜です。

    あなたぞのおすすめ