当前位置：首页 > news >正文

AI模型平台之——ModelScope(魔搭)

news 来源：原创 2025/5/17 11:25:07

ModelScope 是什么？

ModelScope 是一个由阿里巴巴达摩院推出的开源模型库和工具集，旨在为开发者提供高效、便捷的机器学习模型和工具。ModelScope 提供了丰富的预训练模型、数据集和工具，支持多种任务和应用场景，如自然语言处理、计算机视觉、语音识别等。为AI开发者提供灵活、易用、低成本的一站式模型服务产品。
ModelScope 是一个开放的 AI 模型共享平台，是一个生态系统，涵盖了从模型开发、训练、部署到共享的全流程。

ModelScope提供了一个Web的界面，界面的地址： https://www.modelscope.cn/
当前界面样子如下：
在这里插入图片描述

在国外，与ModelScope对应的平台是： Hugging Face。

ModelScope 涉及的一些概念

1. 模型

是指一个具体的模型实例，包括模型网络结构和相应参数。

2. 模型库（Model Hub）

是指对模型进行存储、版本管理和相关操作的模型服务，用户上传和共享的模型将存储至模型库中，同时用户也可在Model hub中创建属于自己的模型存储库，并沿用平台提供的模型库管理功能进行模型管理。

3. ModelScope 模型库

ModelScope的模型库（Model Hub）是共享机器学习模型、demo演示、数据集和数据指标的地方。
可以创建和管理自己的模型库，利用界面或开发环境来便捷地上传、下载相关模型文件，并从 Model Hub中获取有用的模型和数据集元数据。

4. ModelScope 和 ModelScope Library 的关系与区别

1. ModelScope

ModelScope 是一个开放的 AI 模型共享平台，旨在为开发者、研究者和企业提供丰富的预训练模型和工具。它是一个生态系统，涵盖了从模型开发、训练、部署到共享的全流程。

主要特点：

模型仓库：提供大量预训练模型，涵盖 NLP、CV、语音等多个领域。
模型共享：支持用户上传和共享自己的模型。
在线服务：提供模型的在线推理和 API 调用服务。
社区协作：促进开发者之间的协作与交流。

定位：

ModelScope 是一个平台，类似于 Hugging Face 或 TensorFlow Hub，专注于模型的共享和服务化。

2. ModelScope Library

ModelScope Library 是一个 Python 库，是 ModelScope 平台的核心工具之一。它为开发者提供了访问和使用 ModelScope 平台中模型的接口和工具。

主要特点：

模型加载：支持从 ModelScope 平台加载预训练模型。
模型推理：提供简单的 API 进行模型推理。
模型微调：支持基于预训练模型的微调。
工具集成：集成了数据处理、模型评估等工具。

定位：

ModelScope Library 是一个 工具库，帮助开发者在本地或云端使用 ModelScope 平台中的模型。

3. 关系

ModelScope 是平台，ModelScope Library 是工具。
ModelScope Library 是 ModelScope 平台的一部分，用于与平台中的模型进行交互。
开发者通过 ModelScope Library 访问和使用 ModelScope 平台中的模型。

4. 区别

特性	ModelScope（平台）	ModelScope Library（工具库）
定位	模型共享与服务平台	访问和使用模型的 Python 工具库
功能	模型存储、共享、在线服务、社区协作	模型加载、推理、微调、工具集成
使用方式	通过网页或 API 访问	通过 Python 代码调用
目标用户	开发者、研究者、企业	开发者、研究者
依赖关系	包含 ModelScope Library 作为工具	依赖 ModelScope 平台提供模型资源

5. 使用场景

ModelScope：
- 寻找和下载预训练模型。
- 共享自己的模型。
- 使用在线推理服务。
ModelScope Library：
- 在本地加载和使用 ModelScope 平台中的模型。
- 对模型进行微调和部署。
- 集成到自己的 AI 项目中。

6. 总结

ModelScope 是一个开放的 AI 模型共享平台，提供模型存储、共享和服务化功能。
ModelScope Library 是一个 Python 工具库，用于访问和使用 ModelScope 平台中的模型。
两者相辅相成，ModelScope 提供资源，ModelScope Library 提供工具，共同构建了一个完整的 AI 开发生态系统。

ModelScope 的主要特点

丰富的预训练模型：ModelScope 提供了大量的预训练模型，涵盖了多种任务和应用场景，开发者可以直接使用这些模型进行推理或微调。
便捷的工具集：ModelScope 提供了一系列工具，帮助开发者进行数据处理、模型训练、评估和部署。
开源和社区驱动：ModelScope 是一个开源项目，开发者可以自由使用、修改和贡献代码，促进社区的共同发展。
多语言支持：ModelScope 支持多种编程语言，如 Python、Java 等，方便开发者在不同的开发环境中使用。

ModelScope 的主要组件

模型库：ModelScope 提供了丰富的预训练模型，开发者可以根据需要选择合适的模型进行使用。
数据集：ModelScope 提供了多种数据集，方便开发者进行模型训练和评估。
工具集：ModelScope 提供了一系列工具，帮助开发者进行数据处理、模型训练、评估和部署。

Python环境和ModelScope Library 安装

这里通过Anaconda 安装和管理Python库及隔离环境， Anaconda 的安装参考：
AI开发之 ——Anaconda 介绍

创建Python隔离环境

可以在Anaconda 的界面（Anaconda Navigator）直接创建环境，环境相关文件的位置位于Anaconda 安装路径的envs 目录下：
在这里插入图片描述

也可以使用conda 命令行创建环境（如何conda 命令找不到则需要将Anaconda 路径的Scripts目录添加到Path 环境变量中）

conda create -n modelscope python=3.12

在这里插入图片描述

注意：不管在哪个路径下执行创建环境命令，环境相关文件的位置都是在Anaconda 安装路径的envs 目录下，比如C:\Users\xx\anaconda3\envs。

激活环境

conda activate modelscope

安装ModelScope Library
如果只需要ModelScope的核心hub支持，也就是只使用ModelScope下载模型，则运行如下命令：

pip install modelscope

如果需要ModelScope的完整功能，包括数据集的下载，外部模型的使用，则使用如下命令：


pip install modelscope[framework]

如何从模型库下载和使用模型

模型下载的存放路径

使用SDK或是命令行下载模型，默认会下载到当前用户目录的 ~/.cache/modelscope/hub中，比如：
C:\Users\xxx\.cache\modelscope\hub
如果C盘不够或是其他原因需要更改存放的其他目录，可以使用环境变量： MODELSCOPE_CACHE 进行设置。

下载方式：

使用Git
Model Hub 上的模型通过 Git 进行存储和版本管理，可以下载单个文件或整个模型的所有相关文件。
注意：需要安装Git LFS

# 公开模型下载
git lfs install
git clone https://www.modelscope.cn/<namespace>/<model-name>.git
# 例如: git clone https://www.modelscope.cn/iic/ofa_image-caption_coco_large_en.git# 私有模型下载，前提是您有响应模型权限 方法1
git lfs install
git clone http://oauth2:your_git_token@www.modelscope.cn/<namespace>/<model-name>.git
# 方法2
git clone http://your_user_name@www.modelscope.cn/<namespace>/<model-name>.git
# Password for 'http://your_user_name@modelscope.cn':
# input git token

如果希望跳过LFS大文件的下载，可以在git clone命令前添加GIT_LFS_SKIP_SMUDGE=1，来只获取LFS指针，而不下载实际的大文件：

GIT_LFS_SKIP_SMUDGE=1 https://www.modelscope.cn/<namespace>/<model-name>.git

使用ModelScope SDK
ModelScope的SDK会自动缓存本地下载的模型文件，以便下次加载相同文件时无需重新下载。

from modelscope.hub.snapshot_download import snapshot_download
model_dir = snapshot_download('iic/nlp_xlmr_named-entity-recognition_viet-ecommerce-title', cache_dir='path/to/local/dir', revision='v1.0.1')

下载单个文件：

from modelscope.hub.file_download import model_file_downloadmodel_dir = model_file_download(model_id='AI-ModelScope/rwkv-4-world',file_path='RWKV-4-World-CHNtuned-7B-v1-20230709-ctx4096.pth',revision='v1.0.0')

下载私有模型，需要先登录：

from modelscope import HubApi
from modelscope import snapshot_downloadapi=HubApi()
api.login('YOUR_MODELSCOPE_SDK_ACCESS_TOKEN')# download your model, the model_path is downloaded model path.
model_path =snapshot_download(model_id='the_model_id', revision='the_model_version')

除了使用download()相关的方法下载模型之外，使用SDK加载模型时，也会触发的下载（前提是模型已集成至ModelScope的SDK中）：

from modelscope.models import Model
model = Model.from_pretrained('iic/nlp_xlmr_named-entity-recognition_viet-ecommerce-title', revision='v1.0.1')
# revision为可选参数，不指定版本会取模型默认版本，默认版本，默认版本为ModelScope library发布前最后一个版本# 如何得到发布时间
import modelscope
print(modelscope.version.__release_datetime__)

使用ModelScope 命令
可以使用以下命令查看具体的命令行：

modelscope download --help

这里以下载Qwen2-7B模型为例：

下载到默认cache 地址：modelscope download --model 'Qwen/Qwen2-7b'
下载到指定目录： modelscope download --model 'Qwen/Qwen2-7b' --local_dir D:/devworkspace/ai/modelscope/models
下载单个文件（tokenizer.json）：modelscope download --model 'Qwen/Qwen2-7b' tokenizer.json
下载多个文件：modelscope download --model 'Qwen/Qwen2-7b' tokenizer.json config.json
下载匹配的文件： modelscope download --model 'Qwen/Qwen2-7b' --include '*.safetensors'
过滤某些文件不下载： modelscope download --model 'Qwen/Qwen2-7b' --exclude '*.safetensors'
指定下载cache_dir: modelscope download --model 'Qwen/Qwen2-7b' --include '*.json' --cache_dir './cache_dir'
指定下载local_dir: modelscope download --model 'Qwen/Qwen2-7b' --include '*.json' --local_dir './local_dir'

如果cache_dir和local_dir参数同时被指定，local_dir优先级高，cache_dir将被忽略。

local_dir 和 cache_dir

--local_dir 和 --cache_dir 是两个不同的选项，分别用于指定文件的下载位置和缓存位置。它们的作用和区别如下：

1. `--local_dir`

作用：指定模型文件下载后保存的目标目录。
特点：
- 文件会直接下载到该目录中。
- 适合需要将模型文件保存到特定位置的场景。
- 如果目录不存在，会自动创建。

示例：

modelscope download --model my-model --local_dir /path/to/save

模型文件会直接保存到 /path/to/save 目录中。

2. `--cache_dir`

作用：指定模型文件的缓存目录。
特点：
- 文件会先下载到缓存目录中，后续使用时可以直接从缓存加载，避免重复下载。
- 适合需要重复使用同一模型的场景。
- 如果未指定 --local_dir，文件会默认保存到缓存目录中。
示例：
```
modelscope download --model my-model --cache_dir /path/to/cache
```
模型文件会先下载到 /path/to/cache 目录中，后续使用时可以直接从缓存加载。

主要区别

特性	`--local_dir`	`--cache_dir`
用途	指定文件下载的目标目录。	指定文件缓存的目录。
文件存储方式	文件直接保存到指定目录。	文件先保存到缓存目录，后续使用时从缓存加载。
适用场景	需要将文件保存到特定位置。	需要重复使用同一模型，避免重复下载。
默认行为	如果未指定，文件会保存到缓存目录。	如果未指定，使用系统默认缓存目录。

使用建议

如果需要将模型文件保存到特定目录（如项目目录），使用 --local_dir。
如果需要重复使用模型文件，使用 --cache_dir 以提高效率。

下载私有模型

下载私有模型需要登录，使用 login 选项进行登录

usage: modelscope <command> [<args>] login [-h] --token TOKENoptions:-h, --help     show this help message and exit--token TOKEN  The Access Token for modelscope.modelscope login --token YOUR_MODELSCOPE_SDK_TOKEN

如何在ModelScope 创建自己的模型库

方式1：使用Web页面进行

使用ModelScope的web页面创建模型库
在头像左侧会出现创建按钮，点击可创建模型或数据集。点击创建模型，进入模型页面填写基础信息实现模型库的创建。
完成创建后，平台将为分配一个存储地址，可通过页面或者git的方式将文件添加至该模型库中，也可通过页面上传相关的模型文件。

方式2：使用SDK创建

获取SDK令牌
账号设置 > 访问令牌

SDK（Software Development Kit，软件开发工具包）是一组工具、库、文档和示例代码的集合，旨在帮助开发者快速构建特定平台、框架或服务的应用程序。

使用SDK编写代码创建模型库

from modelscope.hub.constants import Licenses, ModelVisibility
from modelscope.hub.api import HubApiapi = HubApi()
api.login(access_token="YOUR_MODELSCOPE_SDK_TOKEN")username = 'user'
model_name = 'my-test-model'
model_id = f"{username}/{model_name}"api.create_model(model_id,visibility=ModelVisibility.PUBLIC,license=Licenses.APACHE_V2,chinese_name="我的测试模型"
)

字段名	必填	类型	描述
model_id	是	str	模型ID
visibility	否	int	模型的可见性,1-私有，5-公开，不填默认5
license	否	str	模型的许可证，不填默认为Apache-2.0
chinese_name	否	str	模型的中文名称，默认None

使用 ModelScope下载和使用模型的具体示例

具体的示例可以参考下面这篇：
编程大模型之—Qwen2.5-Coder

这一篇的后半部分使用ModelScope 下载Qwen2.5-Coder大模型，并使用这个模型产生一段代码。