Hugging Face Transformers 快速上手教程

是什么

Hugging Face Transformers 是一个开源的深度学习模型库，提供预训练模型的加载、推理和训练功能。它支持文本、计算机视觉、音频、视频以及多模态模型，是当前最流行的模型定义框架之一。

该库的核心价值在于：将模型定义标准化，让整个生态系统的模型可以互相兼容、轻松调用。无论你使用 PyTorch、TensorFlow 还是 JAX，Transformers 都能无缝对接。

能干什么

• 文本处理：文本分类、命名实体识别、问答、摘要、翻译、文本生成
• 计算机视觉：图像分类、目标检测、图像分割
• 音频处理：语音识别、音频分类、文本转语音
• 多模态：图文匹配、视觉问答、文档理解
• 模型训练：支持从预训练模型微调，也支持从零训练

怎么装

安装稳定版（推荐）

pip install transformers

安装最新开发版

pip install git+https://github.com/huggingface/transformers.git

安装特定后端

# 如果只用 PyTorch
pip install transformers[torch]

# 如果只用 TensorFlow
pip install transformers[tf-cpu]

# 如果只用 Flax/JAX
pip install transformers[flax]

注意：国内访问 Hugging Face 模型仓库可能受限，推荐使用国产镜像源或国产替代品。

怎么用（第一个例子）

以下示例演示如何用 Transformers 进行情感分析（判断一句话是正面还是负面）：

from transformers import pipeline

# 加载情感分析 pipeline（自动下载预训练模型）
classifier = pipeline("sentiment-analysis")

# 进行预测
result = classifier("I love using Hugging Face Transformers!")
print(result)
# 输出：[{'label': 'POSITIVE', 'score': 0.9998}]

更多示例

文本生成：

from transformers import pipeline

generator = pipeline("text-generation", model="gpt2")
result = generator("Once upon a time,", max_length=50)
print(result)

图像分类：

from transformers import pipeline

classifier = pipeline("image-classification")
result = classifier("https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/pipeline-cat-chonk.jpeg")
print(result)

社区资源

• 官方文档：https://huggingface.co/docs/transformers
• 模型仓库：Hugging Face Hub 上已有超过 10 万个预训练模型，涵盖各种任务和语言
• GitHub 仓库：https://github.com/huggingface/transformers
• 论坛：https://discuss.huggingface.co
• 中文社区：可在 GitHub 上找到简体中文版 README 和文档翻译

翻译整理自 GitHub README，原文：https://github.com/huggingface/transformers