Repolode
huggingface

huggingface/transformers

Фреймворк с определениями современных моделей машинного обучения для текста, изображений, аудио и мультимодальных задач — для обучения и инференса.

Звёзды
167,893
Форки
34,917
Открытые issues
2,220
Последний коммит
3 часа назад

Что это?

Transformers предоставляет единый слой определений современных моделей машинного обучения для работы с текстом, компьютерным зрением, аудио, видео и мультимодальными задачами. Каждая модель описывается один раз в единообразном и понятном виде, поэтому фреймворки для обучения, движки инференса и смежные библиотеки для работы с моделями могут использовать одни и те же определения.

Библиотека предлагает высокоуровневый Pipeline API, позволяющий запускать модели всего несколькими строками кода для таких задач, как генерация текста, распознавание речи, классификация изображений и визуальные ответы на вопросы. Предобученные чекпойнты скачиваются с Hugging Face Hub и сохраняются в локальном кэше для повторного использования. Модели также можно напрямую использовать для низкоуровневого обучения и настройки в PyTorch.

Для установки требуются Python 3.10+ и PyTorch 2.6+. Проект не является универсальным набором строительных блоков для нейросетей; для типовых циклов обучения в README рекомендуют Accelerate.

Ключевые возможности

  • 01Pipeline API для инференса в задачах обработки текста, аудио, изображений и мультимодальных данных.
  • 02Доступ к более чем миллиону предобученных чекпойнтов на Hugging Face Hub.
  • 03Единообразные определения моделей, совместимые с фреймворками обучения на базе PyTorch и движками инференса.
  • 04Общение с моделями прямо из командной строки с помощью transformers serve и transformers chat.

Сценарии использования

  • Запуск предобученной языковой модели для генерации текста или общения в приложении на Python.
  • Расшифровка речи или классификация изображений с помощью готовых моделей.
  • Дообучение предобученной модели PyTorch на собственном датасете.
  • Воспроизведение опубликованных архитектур моделей для исследовательских экспериментов.

Быстрый старт

  1. 1

    Создайте и активируйте виртуальное окружение с помощью venv

    python -m venv .my-env
  2. 2

    Установите Transformers с поддержкой PyTorch с помощью pip

    pip install "transformers[torch]"
  3. 3

    Запустите конвейер генерации текста из кода Python (см. пример Quickstart)

Что важно знать

  • Требуются Python 3.10 или новее и PyTorch 2.6 или новее.
  • Для запуска больших моделей, таких как Llama или Whisper-large, требуется много памяти и желательно наличие GPU.

Темы

Частые вопросы

Что такое transformers?
Фреймворк с определениями современных моделей машинного обучения для текста, изображений, аудио и мультимодальных задач — для обучения и инференса. Transformers предоставляет единый слой определений современных моделей машинного обучения для работы с текстом, компьютерным зрением, аудио, видео и мультимодальными задачами. Каждая модель описывается один раз в единообразном и понятном виде, поэтому фреймворки для обучения, движки инференса и смежные библиотеки для работы с моделями могут использовать одни и те же определения.
transformers можно использовать бесплатно? Какая у него лицензия?
transformers распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
transformers всё ещё поддерживается?
Активно поддерживается. Последний коммит в transformers — 20 окт. 2026 г..
Для чего можно использовать transformers?
Запуск предобученной языковой модели для генерации текста или общения в приложении на Python. Расшифровка речи или классификация изображений с помощью готовых моделей. Дообучение предобученной модели PyTorch на собственном датасете. Воспроизведение опубликованных архитектур моделей для исследовательских экспериментов.
Как установить transformers?
Создайте и активируйте виртуальное окружение с помощью venv: python -m venv .my-env Установите Transformers с поддержкой PyTorch с помощью pip: pip install "transformers[torch]" Запустите конвейер генерации текста из кода Python (см. пример Quickstart)
Где скачать transformers?
Исходный код и инструкции по установке — на GitHub: https://github.com/huggingface/transformers

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

Учебник на китайском языке, который объясняет принципы работы LLM на примере создания небольшой модели в стиле LLaMA2 с нуля: от Transformer и предобучения до дообучения, RAG и агентов.

34,5 тыс.3,3 тыс.Jupyter NotebookOtherОбновлён 2 месяца назад