导入实用工具

本页介绍了 transformers 中用于实现对象惰性且快速导入的工具。 虽然我们力求将依赖项控制在最少，但某些模型有特定的依赖要求，无法绕过。我们并不希望所有 transformers 的用户为了使用其他模型而必须安装这些依赖，因此我们将这些依赖标记为软依赖，而非硬依赖。

Transformers 工具包的设计目标并非在导入具有特定依赖项的模型时直接报错；相反，当缺少某个依赖项时，只有在调用该对象的方法时才会触发错误。例如，如果未安装 torchvision，则快速图像处理器将不可用。

此对象仍然可以导入：

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

不过，该对象上的方法在被调用时会检查其可选依赖项。例如，如果 torchvision 不可用，此调用将引发 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.

让我们看看如何指定特定的对象依赖项。

指定对象依赖

基于文件名

给定文件名下的所有对象都会自动依赖于与该文件名关联的工具

PyTorch：所有以 modeling_ 开头的文件都自动依赖 PyTorch

Tokenizers：所有以 tokenization_ 开头且以 _fast 结尾的文件都自动依赖 tokenizers

视觉：所有以 image_processing_ 开头的文件都自动依赖于 vision 依赖组； 在撰写本文时，该组仅包含 pillow 依赖。

视觉 + Torch + Torchvision：所有以 image_processing_ 开头且以 _fast 结尾的文件都自动依赖于 vision、torch 和 torchvision。

所有这些自动依赖项都会叠加在下方详述的显式依赖项之上。

显式对象依赖

我们添加了一个名为 requires 的方法，用于显式指定某个对象的依赖项。例如，Trainer 类有两个硬性依赖：torch 和 accelerate。以下是我们如何指定这些必需依赖项：

from .utils.import_utils import requires

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

可以在此处添加的后端，即 import_utils.py 模块中可用的所有后端。

此外，可以在每个后端中指定特定版本。例如，要在 Trainer 类中指定对 torch>=2.6 的要求，可以这样操作：

from .utils.import_utils import requires

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

您可以指定以下运算符：==、>、>=、<、<=、!=。

方法

requires_backends(self, ["torch"])