Importando utilitários

Esta página apresenta os utilitários do transformers para permitir a importação de objetos de forma preguiçosa e rápida. Embora busquemos dependências mínimas, alguns modelos têm requisitos de dependências específicas que não podem ser contornados. Não queremos que todos os usuários do transformers precisem instalar essas dependências para usar outros modelos, portanto, marcamos essas como dependências suaves em vez de dependências rígidas.

O toolkit transformers não foi feito para falhar na importação de um modelo que possui uma dependência específica; em vez disso, um objeto para o qual você não tem uma dependência necessária causará um erro ao chamar qualquer método nele. Como exemplo, se torchvision não estiver instalado, os processadores de imagem rápidos não estarão disponíveis.

Este objeto ainda é importável:

>>> from transformers import DetrImageProcessor
>>> print(DetrImageProcessor)
<class 'transformers.models.detr.image_processing_detr.DetrImageProcessor'>

No entanto, os métodos desse objeto verificam suas dependências opcionais quando são chamados. Por exemplo, se torchvision não estiver disponível, essa chamada levanta um ImportError:

>>> DetrImageProcessor.from_pretrained("facebook/detr-resnet-50")
ImportError:
DetrImageProcessor requires the Torchvision library but it was not found in your environment. Check out the instructions on the
installation page: https://pytorch.org/get-started/locally/ and follow the ones that match your environment.
Please note that you may need to restart your runtime after installation.

Vamos ver como especificar dependências de objetos específicos.

Especificando Dependências de Objetos

Baseado em nome de arquivo

Todos os objetos sob um determinado nome de arquivo têm uma dependência automática para a ferramenta vinculada ao nome de arquivo

PyTorch: Todos os arquivos que começam com modeling_ têm uma dependência automática do PyTorch

Tokenizers: Todos os arquivos que começam com tokenization_ e terminam com _fast possuem uma dependência automática de tokenizers

Visão: todos os arquivos que começam com image_processing_ têm uma dependência automática do grupo de dependências vision; no momento da redação, este grupo contém apenas a dependência pillow.

Visão + Torch + Torchvision: Todos os arquivos que começam com image_processing_ e terminam com _fast têm uma dependência automática de vision, torch e torchvision.

Todas essas dependências automáticas são adicionadas por cima das dependências explícitas detalhadas abaixo.

Dependências de Objetos Explícitas

Adicionamos um método chamado requires que é usado para especificar explicitamente as dependências de um objeto dado. Como exemplo, a classe Trainer tem duas dependências obrigatórias: torch e accelerate. Veja como especificamos essas dependências obrigatórias:

from .utils.import_utils import requires

@requires(backends=("torch", "accelerate"))
class Trainer:
    ...

Os backends que podem ser adicionados aqui são todos os backends disponíveis no módulo import_utils.py.

Além disso, é possível especificar versões específicas em cada backend. Por exemplo, é assim que você especificaria um requisito de torch>=2.6 na classe Trainer:

from .utils.import_utils import requires

@requires(backends=("torch>=2.6", "accelerate"))
class Trainer:
    ...

Você pode especificar os seguintes operadores: ==, >, >=, <, <=, !=.

Métodos

requires_backends(self, ["torch"])