# Menggunakan _Adapters_ di Hugging Face

> Catatan: _Adapters_ telah menggantikan pustaka `adapter-transformers` dan sepenuhnya kompatibel dalam hal bobot model. Lihat [di sini](https://docs.adapterhub.ml/transitioning.html) untuk informasi lebih lanjut.

[_Adapters_](https://github.com/adapter-hub/adapters) adalah pustaka tambahan untuk 🤗 `transformers` untuk fine-tuning model bahasa yang telah dilatih sebelumnya secara efisien menggunakan adapters dan metode parameter-efficient lainnya. _Adapters_ juga menyediakan berbagai metode untuk komposisi modul adapter selama pelatihan dan inferensi. Anda dapat mempelajari lebih lanjut tentang hal ini di [_paper Adapters_](https://arxiv.org/abs/2311.11077).

## Menjelajahi _Adapters_ di Hub

Anda dapat menemukan model _Adapters_ dengan memfilter di sisi kiri [halaman model](https://huggingface.co/models?library=adapter-transformers&sort=downloads). Beberapa model adapter dapat ditemukan di [repository](https://github.com/adapter-hub/hub) Adapter Hub. Model dari kedua sumber tersebut dikumpulkan di [situs web AdapterHub](https://adapterhub.ml/explore/).

## Instalasi

Untuk memulai, Anda dapat merujuk pada [panduan instalasi AdapterHub](https://docs.adapterhub.ml/installation.html). Anda juga dapat menggunakan instalasi satu baris berikut melalui pip:

```
pip install adapters
```

## Menggunakan model yang sudah ada

Untuk panduan lengkap tentang memuat adapter yang telah dilatih sebelumnya, kami menyarankan untuk melihat [panduan resmi](https://docs.adapterhub.ml/loading.html).

Sebagai ringkasan singkat, pengaturan lengkap terdiri dari tiga langkah:

1. Muat model dasar `transformers` dengan kelas `AutoAdapterModel` yang disediakan oleh _Adapters_.
2. Gunakan metode `load_adapter()` untuk memuat dan menambahkan adapter.
3. Aktifkan adapter melalui `active_adapters` (untuk inferensi) atau aktifkan dan atur sebagai dapat dilatih melalui `train_adapter()` (untuk pelatihan). Pastikan juga untuk melihat [komposisi adapter](https://docs.adapterhub.ml/adapter_composition.html).

```py
from adapters import AutoAdapterModel

# 1.
model = AutoAdapterModel.from_pretrained("FacebookAI/roberta-base")
# 2.
adapter_name = model.load_adapter("AdapterHub/roberta-base-pf-imdb")
# 3.
model.active_adapters = adapter_name
# or model.train_adapter(adapter_name)
```

Anda juga dapat menggunakan `list_adapters` untuk menemukan semua model adapter secara programatik:

```py
from adapters import list_adapters

# source can be "ah" (AdapterHub), "hf" (hf.co) or None (for both, default)
adapter_infos = list_adapters(source="hf", model_name="FacebookAI/roberta-base")
```

Jika Anda ingin melihat cara memuat model tertentu, Anda dapat mengklik `Use in Adapters` dan Anda akan diberikan potongan kode yang berfungsi untuk memuatnya!

## Berbagi model Anda

Untuk panduan lengkap tentang berbagi model dengan _Adapters_, kami menyarankan untuk melihat [panduan resmi](https://docs.adapterhub.ml/huggingface_hub.html#uploading-to-the-hub).

Anda dapat membagikan adapter Anda dengan menggunakan metode `push_adapter_to_hub` dari model yang sudah berisi adapter.

```py
model.push_adapter_to_hub(
    "my-awesome-adapter",
    "awesome_adapter",
    adapterhub_tag="sentiment/imdb",
    datasets_tag="imdb"
)
```

Perintah ini membuat repositori dengan kartu model yang dihasilkan secara otomatis dan semua metadata yang diperlukan.

## Sumber daya tambahan

* _Adapters_ [repository](https://github.com/adapter-hub/adapters)
* _Adapters_ [dokumen](https://docs.adapterhub.ml)
* _Adapters_ [makalah](https://arxiv.org/abs/2311.11077)
* Integrasi dengan [dokumentasi](https://docs.adapterhub.ml/huggingface_hub.html) Hub