在 Label Studio 中接入 Hugging Face NER 命名实体识别后端从推理到微调的完整实践【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio本教程讲解如何将基于 Hugging Facetransformers库的命名实体识别NER模型作为机器学习后端ML backend接入 Label Studio实现预标注pre-annotation与在线微调fine-tuning。读完本文你将掌握huggingface_ner示例后端的启动方式Docker 与裸机两种、全部可配置参数的含义与默认值以及在 Label Studio 中完成标注配置、连接模型、触发训练和获取预测的完整闭环流程。认识huggingface_ner机器学习后端huggingface_ner是一个面向 Named Entity RecognitionNER任务的定制机器学习后端示例。它的核心机制是实例化 Hugging Facetransformers库中的AutoModelForTokenClassification在 token 分类任务上完成实体识别。作为 Label Studio 的机器学习后端它提供两种工作模式纯推理模式直接加载预训练模型对任务数据输出实体预测结果预标注微调训练模式通过 Label Studio 界面提供标注数据后端基于标注结果对基线模型进行微调并持续改进后续预测。参考 机器学习集成指南 可知ML backend 的本质是一个将机器学习代码包装为 Web 服务器的 SDKLabel Studio 通过 HTTP 请求与之交互。当标注员打开任务时Label Studio 将任务数据发送给 ML backend后者返回预测结果并展示在标注界面中实现模型预标注 → 人工审校 → 提交标注 → 触发训练的迭代闭环。在 Label Studio 的官方 ML 示例模型列表中huggingface_ner被标记为支持预标注Pre-annotation与训练Training且无强制必填参数属于开箱即用的 NER 后端方案参见 ml.md 中的示例模型对照表。开始前准备在动手之前需要完成两件事安装 Label Studio ML backend SDK本教程依赖 ML backend 运行环境请按官方快速开始指南完成 SDK 的安装获取huggingface_ner示例代码本教程使用的示例位于 label-studio-ml-backend 仓库的label_studio_ml/examples/huggingface_ner目录后续所有 Docker、构建与运行命令均在该目录下执行。同时由于模型会从 Hugging Face 模型库动态加载尤其是基线模型dslim/bert-base-NER首次下载建议预先配置好网络环境若涉及需要登录授权的模型还需在环境中提供HF_TOKEN环境变量否则可能遇到模型加载失败或首次预测请求响应缓慢的问题。标注配置使用 Label Studio 默认 NER 模板该 ML 后端与 Label Studio 内置的默认 NER 模板兼容。你可以在配置标注界面时通过Natural Language Processing Named Entity Recognition命名实体识别路径选择预置模板。模板的完整配置如下View Labels namelabel toNametext Label valuePER backgroundred/ Label valueORG backgrounddarkorange/ Label valueLOC backgroundorange/ Label valueMISC backgroundgreen/ /Labels Text nametext value$text/ /View该模板定义了四个经典实体类型PER人名、ORG组织、LOC地点与MISC其他专有名词Labels组件绑定到名为text的Text输入上。你可以按需修改标签名称或增删标签但必须注意模型输出与标注配置的兼容性如果你只打算用该模型做推理预标注请确保模型输出的标签名称与 XML 标注配置中列出的标签一致如果你要训练模型则必须提供可微调的基线预训练模型即最后一层可训练的模型例如distilbert/distilbert-base-uncased否则训练时可能出现张量尺寸不匹配tensor sizes mismatch的错误。值得说明的是这份模板并非仅存在于文档中在仓库的 named-entity-recognition 模板目录 中保存了完全一致的模板实现并附带了一个标注示例——其中Florida、London被标注为LOCHendrix被标注为PERAint no telling被标注为MISC可作为理解标签语义与结果格式start/end字符偏移 labels数组的参考。该模板的元数据适用行业场景法律文档、医疗记录、新闻、金融合规等关联模型BERT、spaCy、Stanford NER、Flair 等见 config.yml。使用 Docker 运行推荐方式1. 启动 ML 后端在huggingface_ner示例目录下执行docker-compose up后端将运行在http://localhost:9090上。2. 验证后端状态$ curl http://localhost:9090/ {status:UP}返回{status:UP}即表示后端已就绪。3. 在 Label Studio 中连接模型在 Label Studio 中创建项目后进入项目设置的Model页面点击Connect Model连接该后端默认后端 URL 为http://localhost:9090。连接时可按需填写名称、认证方式如后端开启了 Basic Auth则选择 Basic Authentication 并填写用户名密码以及其他附加参数如需启用交互式预标注能力可勾选Interactive preannotations详见 ml.md 中连接模型的字段说明。关于 localhost 的注意事项如果 Label Studio 运行在 Docker 容器中localhost会指向容器自身而非宿主机。此时应改用http://host.docker.internal:9090或宿主机的内网 IP 来访问 ML 后端参见 ml.md 中 localhost 与 Docker 容器的说明。从源码构建镜像高级如果你需要修改示例代码后重新构建镜像请先克隆 label-studio-ml-backend 仓库然后在示例目录下执行docker-compose build构建完成后可再次通过docker-compose up启动自定义镜像。不使用 Docker 运行高级如果你希望脱离 Docker 直接在 Python 环境中运行后端请克隆仓库并安装依赖python -m venv ml-backend source ml-backend/bin/activate pip install -r requirements.txt随后启动 ML 后端label-studio-ml start ./huggingface_nerlabel-studio-ml start是 ML backend SDK 提供的标准启动命令它会将./huggingface_ner目录中的模型代码包装为 Web 服务。配置参数详解所有参数都可以在运行容器之前通过docker-compose.yml中的environment字段进行设置。参数分为服务器通用参数与模型专属参数两组。服务器通用参数参数说明BASIC_AUTH_USER模型服务器的 Basic Auth 用户名BASIC_AUTH_PASS模型服务器的 Basic Auth 密码LOG_LEVEL模型服务器的日志级别WORKERS模型服务器的 worker 进程数THREADS模型服务器的线程数模型与训练参数参数说明默认值BASELINE_MODEL_NAME作为微调起点的基线模型名称从 Hugging Face 模型库加载dslim/bert-base-NERFINETUNED_MODEL_NAME微调完成后保存的模型名称finetuned_modelLABEL_STUDIO_HOSTLabel Studio 实例的主机地址http://localhost:8080LABEL_STUDIO_API_KEYLabel Studio 实例的 API 密钥无训练必需START_TRAINING_EACH_N_UPDATES累计多少次标注更新后自动触发训练10LEARNING_RATE模型训练学习率1e-3NUM_TRAIN_EPOCHS训练轮数epochs10WEIGHT_DECAY权重衰减系数0.01MODEL_DIR模型保存目录./results提示LABEL_STUDIO_API_KEY是训练模型所必需的。你可以登录 Label Studio 后进入Account Settings账户与设置页面获取个人访问令牌Access token。对比同一仓库中 BERT 文本分类教程 的参数可以发现两个 Hugging Face 系示例的参数体系高度一致但默认值针对任务做了差异化NER 示例默认LEARNING_RATE1e-3、NUM_TRAIN_EPOCHS10而分类示例默认学习率为2e-5、轮数为3。实际使用时建议根据数据规模与收敛情况调整这两项。训练与预测相关的重要环境变量除了上述模型参数若要 ML 后端顺利访问 Label Studio 中的任务资源包括通过 Import 上传的文件、本地存储与云存储文件还需要在docker-compose.yml的environment中配置LABEL_STUDIO_URL与LABEL_STUDIO_API_KEY参见 ml.md 中的示例配置。需要注意LABEL_STUDIO_URL必须能被 ML 后端实例访问到当 ML 后端运行在 Docker 中时LABEL_STUDIO_URL不能包含localhost或0.0.0.0应使用宿主机完整 IP如192.168.42.42可通过ifconfigUnix或ipconfigWindows查询LABEL_STUDIO_URL必须以http://或https://开头。连接模型后的训练与预测闭环触发训练连接模型并完成至少一个任务的标注后即可开始训练手动训练在项目设置的Model页面点击已连接模型溢出菜单中的Start TrainingAPI 触发指定 ML 后端 ID调用训练接口curl -X POST http://localhost:8080/api/ml/{id}/trainWebhook 触发也可通过配置 Webhook 在满足条件时自动触发训练。训练日志会输出到标准输出stdout与控制台如需更详细的日志可用--debug参数启动 ML 后端服务参见 ml.md 的模型训练章节。结合START_TRAINING_EACH_N_UPDATES参数该后端也支持在累计达到指定数量的标注更新后自动启动训练形成持续迭代机制。获取预测结果批量预标注在 Data Manager 中选中任务执行Actions Retrieve predictions手动拉取预测或开启项目设置中的Annotation Use predictions to prelabel tasks并指定使用的模型让新任务自动带上模型预测纯后端调用仅使用 ML 后端时可直接向其/predict端点 POST 任务数据例如{ tasks: [ {data: {text: some text}} ] }详细说明可参考 ml.md 的预标注/预测章节。若遇到大型数据集请求超时建议按任务逐个调用 Label Studio 的 predictions 端点来生成预测。自定义扩展改写 predict() 与 fit()ML 后端的自定义能力集中在./huggingface_ner/model.py文件中。你可以通过修改以下两个核心方法实现自己的逻辑predict()定义预测逻辑。Label Studio 在标注员打开任务或触发批量预测时调用该方法入参为任务列表tasks应返回符合 Label Studio 结果格式的预测结构包括from_name、to_name、value中的start/end/text/labels等字段格式可参照前文 模板示例 中的标注 JSON。修改后重新构建并启动后端即可生效fit()定义训练逻辑。Label Studio 在训练请求到达时调用该方法通常从 Label Studio 拉取标注数据、组装为训练集并对BASELINE_MODEL_NAME指定的模型执行微调最终将权重保存为FINETUNED_MODEL_NAME指定的模型名。若后端需要从 Label Studio 下载任务资源文件如图片、音频、上传文件可在predict()中使用label_studio_tools包提供的get_local_path()函数完成 URI 解析、下载与缓存具体用法参见 ml.md 中访问 Label Studio 数据的示例。常见问题与注意事项模型加载缓慢或超时基线模型与微调模型均从 Hugging Face 模型库动态加载首次请求需要下载权重可能导致 Label Studio 端等待超时打开任务看不到预测。建议检查 ML 后端日志必要时设置HF_TOKEN环境变量并在数分钟后刷新页面重试训练报张量尺寸不匹配通常是基线模型输出层维度与当前标注标签集合不匹配所致。若需训练请选用最后一层可微调的基线模型如distilbert/distilbert-base-uncased并确认 XML 标签集合与模型输出标签一致容器内访问不通Label Studio 与 ML 后端都运行在 Docker 中时务必使用host.docker.internal或宿主机内网 IP 替代localhost预测结果与标注不对齐请核对 XML 配置中的标签名与模型输出标签名是否完全一致这是纯推理场景下最常见的问题来源。【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
在 Label Studio 中接入 Hugging Face NER 命名实体识别后端从推理到微调的完整实践【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio本教程讲解如何将基于 Hugging Facetransformers库的命名实体识别NER模型作为机器学习后端ML backend接入 Label Studio实现预标注pre-annotation与在线微调fine-tuning。读完本文你将掌握huggingface_ner示例后端的启动方式Docker 与裸机两种、全部可配置参数的含义与默认值以及在 Label Studio 中完成标注配置、连接模型、触发训练和获取预测的完整闭环流程。认识huggingface_ner机器学习后端huggingface_ner是一个面向 Named Entity RecognitionNER任务的定制机器学习后端示例。它的核心机制是实例化 Hugging Facetransformers库中的AutoModelForTokenClassification在 token 分类任务上完成实体识别。作为 Label Studio 的机器学习后端它提供两种工作模式纯推理模式直接加载预训练模型对任务数据输出实体预测结果预标注微调训练模式通过 Label Studio 界面提供标注数据后端基于标注结果对基线模型进行微调并持续改进后续预测。参考 机器学习集成指南 可知ML backend 的本质是一个将机器学习代码包装为 Web 服务器的 SDKLabel Studio 通过 HTTP 请求与之交互。当标注员打开任务时Label Studio 将任务数据发送给 ML backend后者返回预测结果并展示在标注界面中实现模型预标注 → 人工审校 → 提交标注 → 触发训练的迭代闭环。在 Label Studio 的官方 ML 示例模型列表中huggingface_ner被标记为支持预标注Pre-annotation与训练Training且无强制必填参数属于开箱即用的 NER 后端方案参见 ml.md 中的示例模型对照表。开始前准备在动手之前需要完成两件事安装 Label Studio ML backend SDK本教程依赖 ML backend 运行环境请按官方快速开始指南完成 SDK 的安装获取huggingface_ner示例代码本教程使用的示例位于 label-studio-ml-backend 仓库的label_studio_ml/examples/huggingface_ner目录后续所有 Docker、构建与运行命令均在该目录下执行。同时由于模型会从 Hugging Face 模型库动态加载尤其是基线模型dslim/bert-base-NER首次下载建议预先配置好网络环境若涉及需要登录授权的模型还需在环境中提供HF_TOKEN环境变量否则可能遇到模型加载失败或首次预测请求响应缓慢的问题。标注配置使用 Label Studio 默认 NER 模板该 ML 后端与 Label Studio 内置的默认 NER 模板兼容。你可以在配置标注界面时通过Natural Language Processing Named Entity Recognition命名实体识别路径选择预置模板。模板的完整配置如下View Labels namelabel toNametext Label valuePER backgroundred/ Label valueORG backgrounddarkorange/ Label valueLOC backgroundorange/ Label valueMISC backgroundgreen/ /Labels Text nametext value$text/ /View该模板定义了四个经典实体类型PER人名、ORG组织、LOC地点与MISC其他专有名词Labels组件绑定到名为text的Text输入上。你可以按需修改标签名称或增删标签但必须注意模型输出与标注配置的兼容性如果你只打算用该模型做推理预标注请确保模型输出的标签名称与 XML 标注配置中列出的标签一致如果你要训练模型则必须提供可微调的基线预训练模型即最后一层可训练的模型例如distilbert/distilbert-base-uncased否则训练时可能出现张量尺寸不匹配tensor sizes mismatch的错误。值得说明的是这份模板并非仅存在于文档中在仓库的 named-entity-recognition 模板目录 中保存了完全一致的模板实现并附带了一个标注示例——其中Florida、London被标注为LOCHendrix被标注为PERAint no telling被标注为MISC可作为理解标签语义与结果格式start/end字符偏移 labels数组的参考。该模板的元数据适用行业场景法律文档、医疗记录、新闻、金融合规等关联模型BERT、spaCy、Stanford NER、Flair 等见 config.yml。使用 Docker 运行推荐方式1. 启动 ML 后端在huggingface_ner示例目录下执行docker-compose up后端将运行在http://localhost:9090上。2. 验证后端状态$ curl http://localhost:9090/ {status:UP}返回{status:UP}即表示后端已就绪。3. 在 Label Studio 中连接模型在 Label Studio 中创建项目后进入项目设置的Model页面点击Connect Model连接该后端默认后端 URL 为http://localhost:9090。连接时可按需填写名称、认证方式如后端开启了 Basic Auth则选择 Basic Authentication 并填写用户名密码以及其他附加参数如需启用交互式预标注能力可勾选Interactive preannotations详见 ml.md 中连接模型的字段说明。关于 localhost 的注意事项如果 Label Studio 运行在 Docker 容器中localhost会指向容器自身而非宿主机。此时应改用http://host.docker.internal:9090或宿主机的内网 IP 来访问 ML 后端参见 ml.md 中 localhost 与 Docker 容器的说明。从源码构建镜像高级如果你需要修改示例代码后重新构建镜像请先克隆 label-studio-ml-backend 仓库然后在示例目录下执行docker-compose build构建完成后可再次通过docker-compose up启动自定义镜像。不使用 Docker 运行高级如果你希望脱离 Docker 直接在 Python 环境中运行后端请克隆仓库并安装依赖python -m venv ml-backend source ml-backend/bin/activate pip install -r requirements.txt随后启动 ML 后端label-studio-ml start ./huggingface_nerlabel-studio-ml start是 ML backend SDK 提供的标准启动命令它会将./huggingface_ner目录中的模型代码包装为 Web 服务。配置参数详解所有参数都可以在运行容器之前通过docker-compose.yml中的environment字段进行设置。参数分为服务器通用参数与模型专属参数两组。服务器通用参数参数说明BASIC_AUTH_USER模型服务器的 Basic Auth 用户名BASIC_AUTH_PASS模型服务器的 Basic Auth 密码LOG_LEVEL模型服务器的日志级别WORKERS模型服务器的 worker 进程数THREADS模型服务器的线程数模型与训练参数参数说明默认值BASELINE_MODEL_NAME作为微调起点的基线模型名称从 Hugging Face 模型库加载dslim/bert-base-NERFINETUNED_MODEL_NAME微调完成后保存的模型名称finetuned_modelLABEL_STUDIO_HOSTLabel Studio 实例的主机地址http://localhost:8080LABEL_STUDIO_API_KEYLabel Studio 实例的 API 密钥无训练必需START_TRAINING_EACH_N_UPDATES累计多少次标注更新后自动触发训练10LEARNING_RATE模型训练学习率1e-3NUM_TRAIN_EPOCHS训练轮数epochs10WEIGHT_DECAY权重衰减系数0.01MODEL_DIR模型保存目录./results提示LABEL_STUDIO_API_KEY是训练模型所必需的。你可以登录 Label Studio 后进入Account Settings账户与设置页面获取个人访问令牌Access token。对比同一仓库中 BERT 文本分类教程 的参数可以发现两个 Hugging Face 系示例的参数体系高度一致但默认值针对任务做了差异化NER 示例默认LEARNING_RATE1e-3、NUM_TRAIN_EPOCHS10而分类示例默认学习率为2e-5、轮数为3。实际使用时建议根据数据规模与收敛情况调整这两项。训练与预测相关的重要环境变量除了上述模型参数若要 ML 后端顺利访问 Label Studio 中的任务资源包括通过 Import 上传的文件、本地存储与云存储文件还需要在docker-compose.yml的environment中配置LABEL_STUDIO_URL与LABEL_STUDIO_API_KEY参见 ml.md 中的示例配置。需要注意LABEL_STUDIO_URL必须能被 ML 后端实例访问到当 ML 后端运行在 Docker 中时LABEL_STUDIO_URL不能包含localhost或0.0.0.0应使用宿主机完整 IP如192.168.42.42可通过ifconfigUnix或ipconfigWindows查询LABEL_STUDIO_URL必须以http://或https://开头。连接模型后的训练与预测闭环触发训练连接模型并完成至少一个任务的标注后即可开始训练手动训练在项目设置的Model页面点击已连接模型溢出菜单中的Start TrainingAPI 触发指定 ML 后端 ID调用训练接口curl -X POST http://localhost:8080/api/ml/{id}/trainWebhook 触发也可通过配置 Webhook 在满足条件时自动触发训练。训练日志会输出到标准输出stdout与控制台如需更详细的日志可用--debug参数启动 ML 后端服务参见 ml.md 的模型训练章节。结合START_TRAINING_EACH_N_UPDATES参数该后端也支持在累计达到指定数量的标注更新后自动启动训练形成持续迭代机制。获取预测结果批量预标注在 Data Manager 中选中任务执行Actions Retrieve predictions手动拉取预测或开启项目设置中的Annotation Use predictions to prelabel tasks并指定使用的模型让新任务自动带上模型预测纯后端调用仅使用 ML 后端时可直接向其/predict端点 POST 任务数据例如{ tasks: [ {data: {text: some text}} ] }详细说明可参考 ml.md 的预标注/预测章节。若遇到大型数据集请求超时建议按任务逐个调用 Label Studio 的 predictions 端点来生成预测。自定义扩展改写 predict() 与 fit()ML 后端的自定义能力集中在./huggingface_ner/model.py文件中。你可以通过修改以下两个核心方法实现自己的逻辑predict()定义预测逻辑。Label Studio 在标注员打开任务或触发批量预测时调用该方法入参为任务列表tasks应返回符合 Label Studio 结果格式的预测结构包括from_name、to_name、value中的start/end/text/labels等字段格式可参照前文 模板示例 中的标注 JSON。修改后重新构建并启动后端即可生效fit()定义训练逻辑。Label Studio 在训练请求到达时调用该方法通常从 Label Studio 拉取标注数据、组装为训练集并对BASELINE_MODEL_NAME指定的模型执行微调最终将权重保存为FINETUNED_MODEL_NAME指定的模型名。若后端需要从 Label Studio 下载任务资源文件如图片、音频、上传文件可在predict()中使用label_studio_tools包提供的get_local_path()函数完成 URI 解析、下载与缓存具体用法参见 ml.md 中访问 Label Studio 数据的示例。常见问题与注意事项模型加载缓慢或超时基线模型与微调模型均从 Hugging Face 模型库动态加载首次请求需要下载权重可能导致 Label Studio 端等待超时打开任务看不到预测。建议检查 ML 后端日志必要时设置HF_TOKEN环境变量并在数分钟后刷新页面重试训练报张量尺寸不匹配通常是基线模型输出层维度与当前标注标签集合不匹配所致。若需训练请选用最后一层可微调的基线模型如distilbert/distilbert-base-uncased并确认 XML 标签集合与模型输出标签一致容器内访问不通Label Studio 与 ML 后端都运行在 Docker 中时务必使用host.docker.internal或宿主机内网 IP 替代localhost预测结果与标注不对齐请核对 XML 配置中的标签名与模型输出标签名是否完全一致这是纯推理场景下最常见的问题来源。【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
机制深度解析与实践)
)
)
