看到Blade社区支持diffusers库的pr,机器学习PAI若模型已优化且关闭权重优化,如果需要切换模型,是只需要在执行推理前,额外调用pipeline.from_pretrained()加载新模型参数,应该不需要重新跑一轮模型优化吧?
如果模型已经被优化且关闭了权重优化,切换模型应该是不需要重新跑一轮模型优化的。但是,需要确保新模型和旧模型具有相同的网络架构和参数数量,否则可能需要重新训练或微调模型。
当从pipeline中加载预训练模型的时候,需要确保上下文的tokenizer和config都与当前模型匹配。如果新模型与旧模型具有相同的结构,则可以直接从预训练模型路径加载新的模型并继续使用。
但是,如果新模型的结构不同(例如,更改了层数,节点数量或添加了新的层),则需要重新初始化新的模型或重新训练模型。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
人工智能平台 PAI(Platform for AI,原机器学习平台PAI)是面向开发者和企业的机器学习/深度学习工程平台,提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务,内置140+种优化算法,具备丰富的行业场景插件,为用户提供低门槛、高性能的云原生AI工程化能力。