访问官网
Github
Huggingface
文档
论文Transformers 项目介绍
Transformers 是一个由 Hugging Face 团队开发的开源库，它为机器学习爱好者提供了大量预训练模型。这些模型能够在不同类型的数据上执行各种任务，如文本、图像和音频处理。无论是自然语言处理、计算机视觉还是语音识别，Transformers 都能提供支持。
项目特点
支持多种模态任务
- 文本处理：
- Transformers 支持多种文本处理任务，包括文本分类、信息提取、问答、摘要生成、翻译和文本生成等。这些任务可在超过100种语言上执行。
- 图像处理：
- 利用 Transformers，可以进行图像分类、目标检测和分割等任务。
- 音频处理：
- 支持语音识别和音频分类。
同时，Transformers 还能处理多模态任务，即需要整合多种数据类型的任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
API 和模型集成
Transformers 提供了便捷的 API，可快速下载和使用这些预训练模型。用户还可以在自己的数据集上微调这些模型，并在 Hugging Face 的模型库中与社区共享。同时，每一个 Python 模块都完全独立，可用于快速的研究实验。
深度学习框架的支持
Transformers 兼容市场上三大最受欢迎的深度学习框架：JAX、PyTorch 和 TensorFlow。用户可以轻松地在框架之间切换，适用于训练、评估和生产阶段。
在线演示和应用
Transformers 提供了多种在线演示，用户可以直接在模型页面上进行测试。例如，自然语言处理中可以使用 BERT 完成遮盖词填充任务，或用 RoBERTa 进行自然语言推理。在计算机视觉中，可以使用 ViT 进行图像分类，或用 DETR 执行对象检测。在音频处理中，可以用 Whisper 实现自动语音识别。
快速上手
Transformers 提供了 pipeline API，用户可以迅速分配一个预训练模型来处理给定的文本、图像或音频。例如，分配一个用来进行情感分析的 pipeline，只需几行代码即可完成：
from transformers import pipeline
# 分配一个用于情感分析的模型
classifier = pipeline('sentiment-analysis')
classifier('我们很高兴地将 pipeline 引入到 transformers 库中。')
上面的代码将下载并缓存该 pipeline 使用的预训练模型，并对给定文本进行评估。
为什么选择 Transformers？
- 易于使用的先进模型： 高性能且易于学习，适合教育工作者和从业者。
- 降低计算成本和碳足迹： 通过共享模型而不是重复训练来节省资源。
- 选择合适框架： 可以在 TF2.0/PyTorch/JAX 之间自由切换。
- 简化定制化： 可以根据需要高效地修改模型或示例。
安装和使用
Transformers 可通过 pip 或 conda 安装，建议在虚拟环境中进行安装。
pip install transformers
需要安装 Flax、PyTorch 或 TensorFlow 中的至少一个来使用 Transformers。
总结
Transformers 项目为从事机器学习相关工作的开发者和研究人员提供了一个强大且易于使用的工具箱。无论是初学者还是专业人员，都可以利用它来进行各种创新和研究。这也是一个由社区推动的项目，所有人都可以参与其中，共同推动技术的发展。
