使用Hugging Face Transformers情感分析时遇Numpy不可用问题及解决

运行代码 #

from transformers import pipeline

classifier = pipeline('sentiment-analysis')

res = classifier("I Love Python.'")

print(res)

初始报错信息 #

未指定模型，默认使用distilbert-base-uncased-finetuned-sst-2-english模型（版本af0f99b）。生产环境中使用Pipeline时不指定模型名和版本的做法不推荐。

C:\Users\omran\AppData\Local\Programs\Python\Python310\lib\site-packages\torch\serialization.py:871: 用户警告：初始化NumPy失败：模块编译时依赖的API版本为0x10，但当前NumPy版本为0xf（内部触发位置：..\torch\csrc\utils\tensor_numpy.cpp:68.）
obj = cast(Storage, torch._UntypedStorage(nbytes))
Traceback (most recent call last):
    File "f:\AIAR\yooo\xox.py", line 5, in <module>
    res = classifier("I've been waiting for a HuggingFace course my whole life.'")
    File "C:\Users\omran\AppData\Local\Programs\Python\Python310\lib\site-packages\transformers\pipelines\text_classification.py", line 138, in __call__
    result = super().__call__(*args, **kwargs)
    File "C:\Users\omran\AppData\Local\Programs\Python\Python310\lib\site-packages\transformers\pipelines\base.py", line 1067, in __call__    
    return self.run_single(inputs, preprocess_params, forward_params, postprocess_params)
    File "C:\Users\omran\AppData\Local\Programs\Python\Python310\lib\site-packages\transformers\pipelines\base.py", line 1075, in run_single  
    outputs = self.postprocess(model_outputs, **postprocess_params)   
    File "C:\Users\omran\AppData\Local\Programs\Python\Python310\lib\site-packages\transformers\pipelines\text_classification.py", line 183, in postprocess
    outputs = outputs.numpy()
运行时错误：NumPy不可用

备注：已多次尝试，忽略pip freeze输出内容

更新后的输出信息 #

未指定模型，默认使用distilbert-base-uncased-finetuned-sst-2-english模型（版本af0f99b）。生产环境中使用Pipeline时不指定模型名和版本的做法不推荐。
2022-08-14 18:45:12.106975: I tensorflow/core/platform/cpu_feature_guard.cc:193] 此TensorFlow二进制文件已通过oneAPI深度神经网络库（oneDNN）优化，在性能关键操作中将使用以下CPU指令：AVX AVX2
如需在其他操作中启用这些指令，请使用合适的编译器标志重新编译TensorFlow。
2022-08-14 18:45:12.667076: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1532] 创建设备 /job:localhost/replica:0/task:0/device:GPU:0，显存1339 MB：设备ID 0，名称NVIDIA GeForce MX230，PCI总线ID 0000:01:00.0，计算能力6.1
初始化TFDistilBertForSequenceClassification时使用了所有模型检查点层。

TFDistilBertForSequenceClassification的所有层均从distilbert-base-uncased-finetuned-sst-2-english模型的检查点初始化。
如果你的任务与该检查点模型的训练任务类似，你可以直接使用TFDistilBertForSequenceClassification进行预测，无需进一步训练。

最终预期输出 #

[{'label': 'POSITIVE', 'score': 0.9973993301391602}]

（注：输出结果表示文本为正面情感，置信度约为0.9974）

内容的提问来源于stack exchange，提问作者Om. Managements