跳到主要内容

Import Models into Model Registry

ZMP 模型管理提供两种方式将模型注册到模型注册表中。

开始使用​

  1. Select a Project: 首先，选择您想要工作的项目。
  2. Access the Model Registry Page: 从左侧菜单或主页点击“模型注册表”。
提示

模型注册表是按项目管理的，允许您一目了然地查看所有注册的模型。

访问新模型屏幕​

您可以从系统中的不同入口访问新模型屏幕：

入口点 A：从模型列表屏幕开始​

  • 从系统管理员控制面板中，在主导航中点击 Model。然后，在左侧导航中选择 Model List。
  • 在 Model List 屏幕上，当用户点击右上角的 Import from Hugging Face 按钮或 Create model repo 按钮时，系统会自动导航到 New Model 屏幕。

入口点 B：从上传模型屏幕开始​

从系统管理员控制面板中，在主导航中点击 Model。然后，在左侧导航中选择 Upload a model。

从 Hugging Face 导入模型​

Hugging Face 是一个代表性的模型中心，分享各种开源 AI 模型。您可以直接选择并注册在 Hugging Face 上公开可用的模型到模型注册表中，而无需单独的下载过程。这允许快速采用和测试外部模型，或在与内部项目集成时进行高效管理。

步骤 1：开始导入模型​

在模型创建类型选择屏幕上，选择“From Hugging Face”卡片。 卡片显示了 Hugging Face 的 logo，以及描述“通过仓库克隆上传文件”：

第 2 步：输入基本信息​

  1. Migration Repo Name （必填）
  • 输入模型的唯一名称。
  • 此名称将用作 Git 仓库名称。
  • 示例： my-bert-model,  gpt2-finetuned
  1. Project （仅在没有项目上下文时显示）
  • 选择要注册模型的项目。

第 3 步：输入 Hugging Face 模型信息​

  1. Hugging Face Model ID （必填）
  • 输入 Hugging Face 模型 ID。
  • 示例：
    • 模型 ID: google-bert/bert-base-uncased
  1. Click “Fetch Info” button
  • 点击 Fetch Info 按钮以检索并预览您输入的模型信息。
  • 如果您没有模型访问权限，将显示错误消息。

第 4 步：输入身份验证详细信息（可选）​

  1. Username
  • 输入您的 Hugging Face 用户名。
  • 访问私有模型时需要。
  1. Hugging Face Token
  • 输入您的 Hugging Face 访问令牌。
  • 私有模型或需要身份验证的模型必需。

第 5 步：设置可见性​

默认是私有，您可以选择以下两个选项之一：

  • Private (project only)：仅在所选项目内可访问。
  • Public：所有用户均可访问。

第 6 步：完成模型导入​

  1. 输入所有信息后，点击右上角的“保存”按钮。
  2. 将出现成功消息，您将自动重定向到模型列表页面。
  3. 检查导入的模型是否出现在列表中。
  4. 验证模型状态以确保导入成功。
  5. 模型状态：
  • READY：迁移成功完成；模型已准备好部署。
  • MIGRATING：模型迁移当前正在进行中。
  • FAILED：迁移失败；点击“详细信息”查看失败原因。
注意
  • 保持您的 Hugging Face Token 安全。
  • 对于私有模型，请确保您拥有必要的访问权限。
  • 导入大型模型可能需要一些时间。

创建自定义模型​

创建私有模型库使您能够注册、存储和管理内部开发、定制或自创建的模型。您可以上传训练好的模型并管理版本，集中模型资产以便于协作和重用。

步骤 1：开始创建模型库​

  • 在模型创建类型选择屏幕上，选择 Create model repo 卡片。
  • 该卡片显示文件夹/文件图标以及描述：“通过 repo 克隆上传文件”：
注意
Important Notice:
  • 对于大型模型文件（超过 100MB），建议使用 Git LFS。
  • 小型配置文件可以直接通过浏览器上传。

步骤 2：输入模型基本信息​

  1. Model Name （必填）
  • 为您的模型提供一个唯一的名称。
  • 此名称将用作 Git 仓库名称。
  • 示例： resnet50-custom, my-transformer-model
  1. Project （仅在没有项目上下文时显示）
  • 选择要注册模型的项目。
  1. Framework （可选）
  • 选择您的模型使用的框架。
  • 示例：TensorFlow、PyTorch、ONNX 等。
  1. Library （必填）
  • 选择您的模型使用的库。
  • 示例：transformers、diffusers、timm 等。
  1. Task Type （必填）
  • 选择您的模型的任务类型。
  • 可用选项：
    • 文本分类
    • 令牌分类
    • 问答
    • 翻译
    • 摘要
    • 图像分类
    • 目标检测
    • 语音识别
    • 文本转语音
  1. Version （可选）
  • 输入您的模型版本。
  • 示例：“1.0.0”、“v2.1-beta”

第 3 步：设置权限和元数据​

  1. Visibility
  • Private (project only)：仅在选定项目内可访问（默认）
  • Public：所有用户可访问
  1. Tags （可选）
  • 输入标签以便于模型搜索，用逗号分隔。
  • 示例：“custom”、“experimental”、“nlp”
  1. Description （必填）
  • 提供您模型的详细描述。
  • 建议内容：
    • 模型目的
    • 使用说明
    • 训练数据
    • 性能指标
    • 限制
  1. Model Icon （可选）
    • 上传一个图标来代表您的模型。
    • 支持的格式：.png、.svg
    • 最大文件大小：5MB

第 4 步：完成仓库创建​

  1. 输入所有必填信息后，点击右上角的 Save 按钮。
  2. 成功后，您将自动重定向到新创建模型的详细页面。

第 5 步：上传模型文件​

一旦模型仓库创建完成，您可以使用以下方法上传模型文件：

  1. 在模型卡中，使用克隆脚本在您的本地目录中设置仓库。
  2. 使用 Git LFS 上传大文件（推荐用于大文件）
# Git LFS 初始化
git lfs install

# 大文件追踪设置
git lfs track "*.bin"
git lfs track "*.safetensors"
git lfs track "*.h5"

# 添加模型文件并提交
git add .
git commit -m "Add model files"
git push

示例模型仓库结构​

一个典型的模型仓库可能如下所示：

my-model/
├── config.json              # 模型配置
├── pytorch_model.bin        # 模型权重（PyTorch）
├── tokenizer_config.json    # 分词器配置
├── vocab.txt                # 词汇文件
├── README.md                # 模型文档
└── .gitattributes           # Git LFS 配置