Repolode
Enviar
huggingface

huggingface/transformers

Framework para definir modelos de aprendizaje automático de última generación de texto, visión, audio y modalidades múltiples, para inferencia y entrenamiento.

Ver en GitHubSitio web
Estrellas
167,893
Forks
34,917
Issues abiertos
2,220
Último commit
hace 3 horas

¿Qué es?

Transformers ofrece una capa común para definir modelos de aprendizaje automático de última generación en tareas de texto, visión por computadora, audio, video y modalidades múltiples. Cada modelo se define una sola vez de forma coherente y legible, para que los frameworks de entrenamiento, los motores de inferencia y las bibliotecas de modelado relacionadas puedan basarse en las mismas definiciones.

La biblioteca ofrece una API de alto nivel, Pipeline, para ejecutar modelos con pocas líneas de código y cubrir tareas como la generación de texto, el reconocimiento de voz, la clasificación de imágenes y la respuesta a preguntas visuales. Los checkpoints preentrenados se descargan de Hugging Face Hub y se guardan en caché localmente para volver a utilizarlos. También es posible usar los modelos directamente con PyTorch para tareas de entrenamiento y personalización de bajo nivel.

La instalación requiere Python 3.10 o posterior y PyTorch 2.6 o posterior. El proyecto no es un conjunto de herramientas genéricas de componentes básicos de redes neuronales; para ciclos de entrenamiento genéricos, el README recomienda Accelerate.

Funciones clave

  • 01API Pipeline para hacer inferencias en tareas de texto, audio, visión y modalidades múltiples.
  • 02Acceso a más de un millón de checkpoints preentrenados en Hugging Face Hub.
  • 03Definiciones coherentes de modelos que pueden usarse con motores de entrenamiento e inferencia basados en PyTorch.
  • 04Chatea directamente con modelos desde la línea de comandos mediante transformers serve y transformers chat.

Casos de uso

  • Ejecutar un modelo de lenguaje preentrenado para generar texto o chatear desde una aplicación de Python.
  • Transcribir voz o clasificar imágenes con modelos listos para usar.
  • Ajustar un modelo preentrenado de PyTorch con un conjunto de datos personalizado.
  • Reproducir arquitecturas de modelos publicados para experimentos de investigación.

Inicio rápido

  1. 1

    Crea y activa un entorno virtual con venv

    python -m venv .my-env
  2. 2

    Instala Transformers con compatibilidad con PyTorch usando pip

    pip install "transformers[torch]"
  3. 3

    Ejecuta una canalización de generación de texto desde código Python (consulta el ejemplo de Quickstart)

Antes de usarlo

  • Requiere Python 3.10 o superior y PyTorch 2.6 o superior.
  • Ejecutar modelos grandes como Llama o Whisper-large requiere mucha memoria y, preferiblemente, una GPU.

Temas

#machine-learning#deep-learning#pytorch#nlp#llm#transformer#pretrained-models#speech-recognition#audio#deepseek

Preguntas frecuentes

¿Qué es transformers?
Framework para definir modelos de aprendizaje automático de última generación de texto, visión, audio y modalidades múltiples, para inferencia y entrenamiento. Transformers ofrece una capa común para definir modelos de aprendizaje automático de última generación en tareas de texto, visión por computadora, audio, video y modalidades múltiples. Cada modelo se define una sola vez de forma coherente y legible, para que los frameworks de entrenamiento, los motores de inferencia y las bibliotecas de modelado relacionadas puedan basarse en las mismas definiciones.
¿transformers es gratuito? ¿Qué licencia tiene?
transformers es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿transformers sigue mantenido?
Mantenimiento activo. El último commit de transformers fue el 20 oct 2026.
¿Para qué puedo usar transformers?
Ejecutar un modelo de lenguaje preentrenado para generar texto o chatear desde una aplicación de Python. Transcribir voz o clasificar imágenes con modelos listos para usar. Ajustar un modelo preentrenado de PyTorch con un conjunto de datos personalizado. Reproducir arquitecturas de modelos publicados para experimentos de investigación.
¿Cómo se instala transformers?
Crea y activa un entorno virtual con venv: python -m venv .my-env Instala Transformers con compatibilidad con PyTorch usando pip: pip install "transformers[torch]" Ejecuta una canalización de generación de texto desde código Python (consulta el ejemplo de Quickstart)
¿Dónde consigo transformers?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/huggingface/transformers

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados