[Python] Hugging Face의 pipeline 함수를 활용한 AI 사용 예제

 

안녕하세요

오늘은 파이썬으로 AI 모델을 직접 실행해보는 방법을 소개하려고 합니다.
예전에는 딥러닝 모델을 돌리려면 복잡한 환경 설정, 모델 구조 이해, 수많은 코드 작성이 필요했는데요

이제는 Hugging Face에서 제공하는 파이프라기능 덕분에 단 몇 줄 코드로도 다양한 AI 기능을 체험할 수 있습니다.

이번 글에서는 텍스트 생성, 감정 분석, 요약, 번역, 이미지 분류까지
실제 AI 모델을 불러와 바로 실행할 수 있는 예제 코드를 다뤄보겠습니다.

 

 

1. 먼저 예제 실행을 위해 필요한 라이브러리를 설치해줍니다 (터미널) 

pip install transformers torch pillow

 

• transformers → Hugging Face에서 제공하는 라이브러리.
  최신 AI 모델(GPT, BERT, CLIP 등)을 불러오고, pipeline 기능 지원합니다. 
• torch → PyTorch.
  실제로 모델이 수학 연산/추론을 할 때 쓰이는 핵심 딥러닝 프레임워크. 
  (transformers는 내부적으로 PyTorch나 TensorFlow를 필요로 하는데, 여기선 PyTorch를 씀)
• pillow → 파이썬 이미지 처리 라이브러리.
  이미지 분류 같은 예제를 다룰 때, 이미지를 열고 전처리하는 데 필요합니다. 

 

 

 

2. 파이썬 코드입니다. 

from transformers import pipeline
from PIL import Image
import requests

# 1. 여러 AI 태스크를 담당할 파이프라인 초기화
generator   = pipeline("text-generation", model="gpt2")
classifier  = pipeline("sentiment-analysis")
qa          = pipeline("question-answering")
ner         = pipeline("ner", aggregation_strategy="simple")
summarizer  = pipeline("summarization")
translator  = pipeline("translation_en_to_fr")
img_clf     = pipeline("image-classification")

# 2. 샘플 데이터 준비
prompt       = "Artificial Intelligence is revolutionizing"
question     = {
    "question": "What is Transformers library?",
    "context": "Hugging Face's Transformers library provides pretrained models for NLP, CV, and more."
}
text_sample  = (
    "OpenAI and Hugging Face are leading organizations in the advancement of AI. "
    "They contribute open-source tools and models."
)
image_url    = "https://images.unsplash.com/photo-1518791841217-8f162f1e1131"
image        = Image.open(requests.get(image_url, stream=True).raw)

# 3. 파이프라인 실행
gen_text     = generator(prompt, max_length=50, num_return_sequences=1, temperature=0.7)[0]["generated_text"]
sentiment    = classifier(text_sample)[0]
answer       = qa(**question)["answer"]
entities     = ner(text_sample)
summary      = summarizer(text_sample, max_length=50, min_length=20, do_sample=False)[0]["summary_text"]
translation  = translator("Artificial Intelligence is changing the world.")[0]["translation_text"]
img_result   = img_clf(image)[0]

# 4. 결과 출력
print("=== 텍스트 생성 ===")
print(gen_text, "\n")
print("=== 감정 분석 ===")
print(f"Label: {sentiment['label']}, Score: {sentiment['score']:.4f}\n")
print("=== 질의응답 ===")
print(f"Answer: {answer}\n")
print("=== 개체명 인식 ===")
for ent in entities:
    print(f"{ent['entity_group']}: {ent['word']} (score: {ent['score']:.4f})")
print("\n=== 요약 ===")
print(summary, "\n")
print("=== 번역 (영→프) ===")
print(translation, "\n")
print("=== 이미지 분류 ===")
print(f"Label: {img_result['label']}, Score: {img_result['score']:.4f}")

 

보셨다시피, AI 라이브러리 사용은 생각보다 어렵지 않습니다.
transformers와 같은 라이브러리만 설치하면, 복잡한 수학이나 모델 구조를 몰라도 간단하게 최신

ai 모델을 불러와 사용할 수 있습니다. 

 

앞으로 AI가 더 보편화될수록, 이런 간단한 툴을 직접 다뤄보는 경험이 필수가 될 것이라고 생각합니다. 

감사합니다.