Repolode
提交项目
explosion

explosion/thinc

一个轻量的函数式深度学习库，用类型检查的 API 组合模型，并可封装 PyTorch、TensorFlow 和 MXNet 的层。

在 GitHub 查看官网
Star
2,889
Fork
295
未关闭 Issue
17
最近提交
11天前

这是什么？

Thinc 是 spaCy 和 Prodigy 背后团队开发的轻量深度学习库。它采用函数式编程风格，通过组合层而不是继承类来定义模型，API 带有类型标注，可以用 mypy 检查模型定义。

它可以封装 PyTorch、TensorFlow 和 MXNet 中编写的模型，使其在 Thinc 网络中直接使用，便于混合搭配不同框架的层。库中还提供用于描述对象树和超参数的配置系统、自定义函数的注册机制，以及 SGD、Adam、RAdam 等优化器。支持 Linux、macOS 和 Windows，通过 pip 安装。

它既可以作为框架之间的接口层，也可以单独作为工具包，或用于开发新模型。项目提供的 notebook 示例涵盖 MNIST 训练、基于 Transformer 的词性标注，以及结合 Ray 的并行训练。

核心功能

  • 01通过 mypy 插件对模型定义进行类型检查。
  • 02封装 PyTorch、TensorFlow 和 MXNet 模型，在网络中直接使用。
  • 03采用函数式组合而非继承来定义模型。
  • 04提供配置系统和函数注册机制，管理超参数与对象。
  • 05内置 SGD、Adam、RAdam 优化器及损失函数。

适用场景

  • 构建自定义 NLP 模型，组合 PyTorch 或 TensorFlow 的层。
  • 通过基于文件的配置训练可复现的模型。
  • 为深度学习模型代码加入静态类型检查。
  • 结合 Ray 进行并行参数服务器训练。

快速上手

  1. 1

    升级 pip、setuptools 和 wheel

    pip install -U pip setuptools wheel
  2. 2

    从 PyPI 安装 Thinc

    pip install thinc

使用前须知

  • PyTorch 或 TensorFlow 等后端需要额外的可选依赖和配置，不仅限于基础安装。

收录于专题

自然语言处理工具与库

标签

#deep-learning#machine-learning#functional-programming#python#pytorch#tensorflow#nlp#type-checking#ai#artificial-intelligence

常见问题

thinc 是什么？
一个轻量的函数式深度学习库，用类型检查的 API 组合模型，并可封装 PyTorch、TensorFlow 和 MXNet 的层。 Thinc 是 spaCy 和 Prodigy 背后团队开发的轻量深度学习库。它采用函数式编程风格，通过组合层而不是继承类来定义模型，API 带有类型标注，可以用 mypy 检查模型定义。
thinc 可以免费使用吗？用的什么许可证？
thinc 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。
thinc 还在维护吗？
活跃维护中。thinc 最近一次提交是在 2026年10月27日。
thinc 适合用来做什么？
构建自定义 NLP 模型，组合 PyTorch 或 TensorFlow 的层。 通过基于文件的配置训练可复现的模型。 为深度学习模型代码加入静态类型检查。 结合 Ray 进行并行参数服务器训练。
thinc 怎么安装和运行？
升级 pip、setuptools 和 wheel: pip install -U pip setuptools wheel 从 PyPI 安装 Thinc: pip install thinc
在哪里获取 thinc？
源代码和安装说明在 GitHub 上：https://github.com/explosion/thinc

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目