本文介绍如何通过Paddle.Hub在GitHub分享模型。先搭建MLP-Mixer模型，含MlpBlock、MixerBlock等组件及mixer_b、mixer_l预置模型。接着构建项目，含模型代码文件和hubconf.py配置文件。经本地测试后，上传至GitHub，他人可方便加载使用，接入过程简单。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
引入
- 上个项目 Paddle.Hub 初探：快速基于预训练模型实现猫的 12 分类 简单介绍了下 paddle.hub api 的功能和用法
- 当然除了使用官方开发的模型以为，个人也可以通过这个 api 来分享自己编写的模型
- 本次就通过一个案例详细讲解一下，如何在 GitHub 上分享自己的模型
搭建模型
- 分享模型之前首先需要自己将模型搭建出来
- 这里就用一个前不久发布的实现非常简洁的模型 MLP-Mixer 来作为演示
- 有几个需要修改的小点，都在代码中做了比较详细的注释
- 参考项目：MLP is all you need ?
In [ ]
# 导入必要的包import paddleimport paddle.nn as nn# MLP Blockclass MlpBlock(nn.Layer):
def __init__(self, features_dim, mlp_dim):
super().__init__()
self.fc_0 = nn.Linear(features_dim, mlp_dim)
self.fc_1 = nn.Linear(mlp_dim, features_dim) def forward(self, x):
y = self.fc_0(x)
y = nn.functional.gelu(y)
y = self.fc_1(y) return y# Mixer Blockclass MixerBlock(nn.Layer):
def __init__(self, token_dim, channels_dim,
tokens_mlp_dim, channels_mlp_dim,
norm_layer=nn.LayerNorm, epsilon=1e-6):
super().__init__()
self.norm_0 = norm_layer(channels_dim, epsilon=epsilon)
self.token_mixing = MlpBlock(token_dim, tokens_mlp_dim)
self.norm_1 = norm_layer(channels_dim, epsilon=epsilon)
self.channel_mixing = MlpBlock(channels_dim, channels_mlp_dim) def forward(self, x):
y = self.norm_0(x)
y = y.transpose((0, 2, 1))
y = self.token_mixing(y)
y = y.transpose((0, 2, 1))
x = x + y
y = self.norm_1(x)
y = self.channel_mixing(y)
x = x + y return x# MLP-Mixerclass MlpMixer(nn.Layer):
def __init__(self, img_size=(224, 224), patch_size=(16, 16),
num_blocks=12, hidden_dim=768,
tokens_mlp_dim=384, channels_mlp_dim=3072,
norm_layer=nn.LayerNorm, epsilon=1e-6,
class_dim=1000):
super().__init__()
self.class_dim = class_dim
self.stem = nn.Conv2D( 3, hidden_dim, kernel_size=patch_size, stride=patch_size)
blocks = [
MixerBlock(
(img_size[0] // patch_size[0]) ** 2,
hidden_dim,
tokens_mlp_dim,
channels_mlp_dim,
norm_layer,
epsilon
) for _ in range(num_blocks)
]
self.blocks = nn.Sequential(*blocks)
self.pre_head_layer_norm = norm_layer(hidden_dim, epsilon=epsilon) if class_dim > 0:
self.head = nn.Linear(hidden_dim, class_dim) def forward(self, inputs):
x = self.stem(inputs)
x = x.transpose((0, 2, 3, 1))
x = x.flatten(1, 2)
x = self.blocks(x)
x = self.pre_head_layer_norm(x) if self.class_dim > 0:
x = x.mean(axis=1)
x = self.head(x) return x# 预置模型 mixer_b# 如果需要给出帮助信息# 需要在下方添加类似的注释def mixer_b(pretrained=False, **kwargs):
'''
Model: MLP-mixer-base
Params:
pretrained: load the pretrained model
img_size: input image size
patch_size: patch size
num_classes: number of classes
num_blocks: number of MixerBlock
hidden_dim: dim of hidden
tokens_mlp_dim: dim of tokens_mlp
channels_mlp_dim: dim of channels_mlp
'''
model = MlpMixer(
hidden_dim=768,
num_blocks=12,
tokens_mlp_dim=384,
channels_mlp_dim=3072,
**kwargs
) # 一般分享模型都是包含预训练模型的
# 可通过网络加载
# 或者通过存放于项目目录中直接加载（GitHub 托管时不推荐，会极大的增加项目大小，拉取时间会非常漫长）
if pretrained:
path = paddle.utils.download.get_weights_path_from_url('https://bj.bcebos.com/v1/ai-studio-online/8fcd0b6ba98042d68763bbcbfe96375cbfd97ffed8334ac09787ef73ecf9989f?responseContentDisposition=attachment%3B%20filename%3Dimagenet1k_Mixer-B_16.pdparams')
model.set_dict(paddle.load(path)) return model# 预置模型 mixer_l# 如果需要给出帮助信息# 需要在下方添加类似的注释def mixer_l(pretrained=False, **kwargs):
'''
Model: MLP-mixer-large
Params:
pretrained: load the pretrained model
img_size: input image size
patch_size: patch size
num_classes: number of classes
num_blocks: number of MixerBlock
hidden_dim: dim of hidden
tokens_mlp_dim: dim of tokens_mlp
channels_mlp_dim: dim of channels_mlp
'''
model = MlpMixer(
hidden_dim=1024,
num_blocks=24,
tokens_mlp_dim=512,
channels_mlp_dim=4096,
**kwargs
) # 一般分享模型都是包含预训练模型的
# 可通过网络加载
# 或者通过存放于项目目录中直接加载（GitHub 托管时不推荐，会极大的增加项目大小，拉取时间会非常漫长）
if pretrained:
path = paddle.utils.download.get_weights_path_from_url('https://bj.bcebos.com/v1/ai-studio-online/ca74ababd4834e34b089c1485989738de4fdf6a97be645ed81b6e39449c5815c?responseContentDisposition=attachment%3B%20filename%3Dimagenet1k_Mixer-L_16.pdparams')
model.set_dict(paddle.load(path)) return model
测试模型
In [ ]
model = mixer_b(pretrained=True) out = model(paddle.randn((1, 3, 224, 224)))print(out.shape)
[1, 1000]
项目搭建
- 第一步：建立一个项目文件夹，比如：MLP-Mixer-Paddle
- 第二步：新建模型代码文件，比如：MLP-Mixer-Paddle/model.py，并将上面的模型代码复制粘贴到文件中
- 第三步：新建 paddle.hub 配置文件：MLP-Mixer-Paddle/hubconf.py，具体代码如下：
# hubconf.py# 依赖包dependencies = ['paddle', 'numpy']# 导入要分享的模型from model import mixer_b, mixer_l
项目测试
In [1]
import paddle# 获取模型列表model_list = paddle.hub.list('MLP-Mixer-Paddle', source='local', force_reload=False)print("模型列表如下：\n", model_list)# 获取 mixer_b 的帮助文档model_help = paddle.hub.help('MLP-Mixer-Paddle', 'mixer_b', source='local', force_reload=False)print("mixer_b 的帮助文档如下：\n", model_help)# 加载 mixer_b 模型并测试model = paddle.hub.load('MLP-Mixer-Paddle', 'mixer_b', source='local', force_reload=False, pretrained=True)
out = model(paddle.randn((1, 3, 224, 224)))print("输出的形状为：", out.shape)
模型列表如下：
['mixer_b', 'mixer_l']
mixer_b 的帮助文档如下：
Model: MLP-mixer-base
Params:
pretrained: load the pretrained model
img_size: input image size
patch_size: patch size
num_classes: number of classes
num_blocks: number of MixerBlock
hidden_dim: dim of hidden
tokens_mlp_dim: dim of tokens_mlp
channels_mlp_dim: dim of channels_mlp
输出的形状为： [1, 1000]
上传代码
- 测试成功，项目和模型都正常之后，就可以将代码上传至 GitHub
- 比如这个项目：jm12138/MLP-Mixer-Paddle
- 然后大家就可以方便的通过 GitHub 来加载使用你分享的模型了
In [2]
import paddle# 获取模型列表model_list = paddle.hub.list('jm12138/MLP-Mixer-Paddle:main', source='github', force_reload=False)print("模型列表如下：\n", model_list)# 获取 mixer_b 的帮助文档model_help = paddle.hub.help('jm12138/MLP-Mixer-Paddle:main', 'mixer_b', source='github', force_reload=False)print("mixer_b 的帮助文档如下：\n", model_help)# 加载 mixer_b 模型并测试model = paddle.hub.load('jm12138/MLP-Mixer-Paddle:main', 'mixer_b', source='github', force_reload=False, pretrained=True)
out = model(paddle.randn((1, 3, 224, 224)))print("输出的形状为：", out.shape)
模型列表如下：
['mixer_b', 'mixer_l']
mixer_b 的帮助文档如下：
Model: MLP-mixer-base
Params:
pretrained: load the pretrained model
img_size: input image size
patch_size: patch size
num_classes: number of classes
num_blocks: number of MixerBlock
hidden_dim: dim of hidden
tokens_mlp_dim: dim of tokens_mlp
channels_mlp_dim: dim of channels_mlp
Using cache found in /home/aistudio/.cache/paddle/hub/jm12138_MLP-Mixer-Paddle_main Using cache found in /home/aistudio/.cache/paddle/hub/jm12138_MLP-Mixer-Paddle_main
输出的形状为： [1, 1000]
代码解释
总结
- 其实接入 paddle.hub 这个 API 来分享自己的模型还是非常简单方便的
- 如果是以前就做好的模型项目，只需要在其中添加一个相应的配置文件即可快速接入
