使用GLiNER进行NER标注

GLiNER模型是一个通用的BERT系列命名实体识别模型。我们从HuggingFace下载该模型，但原始模型可在GitHub上获取。

开始之前

在开始之前，您必须安装Label Studio ML后端。

本教程使用gliner示例。

使用Docker运行(推荐)

1. 使用预构建镜像在http://localhost:9090上启动机器学习后端：

docker-compose up

2. 验证后端是否正在运行

$ curl http://localhost:9090/
{"status":"UP"}

3. 在Label Studio中创建一个项目。然后从项目设置的模型页面，连接模型。默认URL是http://localhost:9090。

从源码构建（高级）

要从源代码构建ML后端，您需要克隆代码仓库并构建Docker镜像：

docker-compose build

不使用Docker运行（高级）

要在不使用Docker的情况下运行ML后端，您需要克隆代码库并使用pip安装所有依赖项：

python -m venv ml-backend
source ml-backend/bin/activate
pip install -r requirements.txt

然后你可以启动ML后端：

label-studio-ml start ./dir_with_your_model

配置

在运行容器之前，可以在docker-compose.yml中设置参数。

以下通用参数可用：

• BASIC_AUTH_USER - 指定模型服务器的基础认证用户。
• BASIC_AUTH_PASS - 指定模型服务器的基础认证密码。
• LOG_LEVEL - 设置模型服务器的日志级别。
• WORKERS - 指定模型服务器的工作线程数量。
• THREADS - 指定模型服务器的线程数量。
• LABEL_STUDIO_URL - 指定您的Label Studio实例的URL。请注意，如果您在另一个Docker容器中运行Label Studio，可能需要设置为http://host.docker.internal:8080。
• LABEL_STUDIO_API_KEY - 指定用于验证Label Studio实例的API密钥。您可以通过登录Label Studio并访问账户与设置页面找到该密钥。