Repolode
huggingface

huggingface/transformers

Framework para definir modelos de ponta em machine learning para texto, visão, áudio e tarefas multimodais, voltado a inferência e treinamento.

Estrelas
167,893
Forks
34,917
Issues abertas
2,220
Último commit
há 3 horas

O que é?

Transformers oferece uma camada compartilhada de definição de modelos de ponta em machine learning para tarefas de texto, visão computacional, áudio, vídeo e multimodais. Cada modelo é definido uma única vez, em um formato consistente e legível, para que frameworks de treinamento, mecanismos de inferência e bibliotecas relacionadas à modelagem possam usar as mesmas definições.

A biblioteca oferece uma API de alto nível, a Pipeline API, para executar modelos com poucas linhas de código em tarefas como geração de texto, reconhecimento de fala, classificação de imagens e resposta visual a perguntas. Os checkpoints pré-treinados são baixados do Hugging Face Hub e armazenados em cache localmente para reutilização. Também é possível usar os modelos diretamente no PyTorch para treinamento e personalização em um nível mais baixo.

A instalação requer Python 3.10+ e PyTorch 2.6+. O projeto não é uma caixa de ferramentas genérica de componentes de redes neurais; para loops de treinamento genéricos, o README recomenda o Accelerate.

Recursos principais

  • 01Pipeline API para inferência em tarefas de texto, áudio, visão e multimodais.
  • 02Acesso a mais de um milhão de checkpoints pré-treinados no Hugging Face Hub.
  • 03Definições consistentes de modelos, compatíveis com treinamento baseado em PyTorch e mecanismos de inferência.
  • 04Converse com modelos diretamente pela linha de comando usando transformers serve e transformers chat.

Casos de uso

  • Executar um modelo de linguagem pré-treinado para gerar texto ou conversar em uma aplicação Python.
  • Transcrever fala ou classificar imagens usando modelos prontos para uso.
  • Ajustar um modelo PyTorch pré-treinado com um conjunto de dados personalizado.
  • Reproduzir arquiteturas de modelos publicados em experimentos de pesquisa.

Início rápido

  1. 1

    Crie e ative um ambiente virtual com venv

    python -m venv .my-env
  2. 2

    Instale o Transformers com suporte ao PyTorch usando pip

    pip install "transformers[torch]"
  3. 3

    Execute um pipeline de geração de texto a partir de código Python (consulte o exemplo de Quickstart)

Antes de usar

  • Requer Python 3.10 ou superior e PyTorch 2.6 ou superior.
  • A execução de modelos grandes, como Llama ou Whisper-large, exige bastante memória e, de preferência, uma GPU.

Tópicos

Perguntas frequentes

O que é transformers?
Framework para definir modelos de ponta em machine learning para texto, visão, áudio e tarefas multimodais, voltado a inferência e treinamento. Transformers oferece uma camada compartilhada de definição de modelos de ponta em machine learning para tarefas de texto, visão computacional, áudio, vídeo e multimodais. Cada modelo é definido uma única vez, em um formato consistente e legível, para que frameworks de treinamento, mecanismos de inferência e bibliotecas relacionadas à modelagem possam usar as mesmas definições.
transformers é gratuito? Qual é a licença?
transformers é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
transformers ainda é mantido?
Manutenção ativa. O último commit de transformers foi em 20 de out. de 2026.
Para que posso usar transformers?
Executar um modelo de linguagem pré-treinado para gerar texto ou conversar em uma aplicação Python. Transcrever fala ou classificar imagens usando modelos prontos para uso. Ajustar um modelo PyTorch pré-treinado com um conjunto de dados personalizado. Reproduzir arquiteturas de modelos publicados em experimentos de pesquisa.
Como instalar transformers?
Crie e ative um ambiente virtual com venv: python -m venv .my-env Instale o Transformers com suporte ao PyTorch usando pip: pip install "transformers[torch]" Execute um pipeline de geração de texto a partir de código Python (consulte o exemplo de Quickstart)
Onde consigo transformers?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/huggingface/transformers

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados