快速开始

ModelScope Library目前支持tensorflow，pytorch深度学习框架进行模型训练、推理，在Python 3.7+, Pytorch 1.8+, Tensorflow1.15+，Tensorflow 2.6上测试可运行。
注：当前（630）版本仅支持python3.7 以及linux环境，其他环境(mac,windows等)支持预计730完成。

python环境配置

首先，参考文档安装配置Anaconda环境

安装完成后，执行如下命令为modelscope library创建对应的python环境。

conda create -n modelscope python=3.7
conda activate modelscope

安装深度学习框架

安装pytorch参考链接

pip install torch torchvision

安装Tensorflow参考链接

pip install --upgrade tensorflow

ModelScope library 安装

注：如果在安装过程中遇到错误，请前往常见问题查找解决方案。

pip安装

执行如下命令：

pip install model_scope[all] -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/0.2/repo.html

使用源码安装

适合本地开发调试使用，修改源码后可以直接执行
下载源码可以直接clone代码到本地

git clone git@gitlab.alibaba-inc.com:Ali-MaaS/MaaS-lib.git modelscope
git fetch origin master
git checkout master
cd modelscope

安装依赖并设置PYTHONPATH

pip install -r requirements.txt
export PYTHONPATH=`pwd`

安装验证

安装成功后，可以执行如下命令进行验证安装是否正确

python -c "from modelscope.pipelines import pipeline;print(pipeline('word-segmentation')('今天天气不错，适合 出去游玩'))"
{'output': '今天 天气 不错 ， 适合 出去 游玩'}

推理

pipeline函数提供了简洁的推理接口，相关介绍和示例请参考pipeline使用教程

训练

to be done

评估