Importar utilidades

Esta página describe las utilidades de transformers para habilitar la importación de objetos de forma perezosa y rápida. Aunque nos esforzamos por mantener dependencias mínimas, algunos modelos tienen requisitos de dependencias específicas que no se pueden eludir. No queremos que todos los usuarios de transformers tengan que instalar esas dependencias para usar otros modelos, por lo que las marcamos como dependencias suaves en lugar de dependencias duras.

El kit de herramientas transformers no está diseñado para fallar al importar un modelo que tiene una dependencia específica; en su lugar, un objeto para el que te falta una dependencia fallará al llamar a cualquiera de sus métodos. Por ejemplo, si torchvision no está instalado, los procesadores de imágenes rápidos no estarán disponibles.

Este objeto aún es importable:

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

Sin embargo, los métodos de ese objeto comprueban sus dependencias opcionales cuando se invocan. Por ejemplo, si torchvision no está disponible, esta llamada genera un 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.

Veamos cómo especificar dependencias de objetos específicos.

Especificación de dependencias de objetos

Basado en el nombre de archivo

Todos los objetos bajo un nombre de archivo dado tienen una dependencia automática con la herramienta vinculada a ese nombre de archivo

PyTorch: Todos los archivos que comienzan con modeling_ tienen una dependencia automática de PyTorch

Tokenizers: Todos los archivos que comienzan con tokenization_ y terminan con _fast tienen una dependencia automática de tokenizers

Visión: Todos los archivos que comienzan con image_processing_ tienen una dependencia automática del grupo de dependencias vision; en el momento de escribir esto, este grupo solo contiene la dependencia pillow.

Vision + Torch + Torchvision: Todos los archivos que comienzan con image_processing_ y terminan con _fast tienen una dependencia automática de vision, torch y torchvision.

Todas estas dependencias automáticas se añaden además de las dependencias explícitas que se detallan a continuación.

Dependencias de objetos explícitas

Añadimos un método llamado requires que se utiliza para especificar explícitamente las dependencias de un objeto dado. Como ejemplo, la clase Trainer tiene dos dependencias obligatorias: torch y accelerate. A continuación se muestra cómo especificamos estas dependencias requeridas:

from .utils.import_utils import requires

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

Los backends que se pueden agregar aquí son todos los backends disponibles en el módulo import_utils.py.

Además, se pueden especificar versiones específicas en cada backend. Por ejemplo, así se especificaría un requisito de torch>=2.6 en la clase Trainer:

from .utils.import_utils import requires

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

Puede especificar los siguientes operadores: ==, >, >=, <, <=, !=.

Métodos

requires_backends(self, ["torch"])