一文彻底搞懂大模型

Hugging Face Transformers是一个开源的预训练模型库，旨在将NLP畛域的最新停顿向更宽泛的机器学习社区开明。该库蕴含了经过精心设计的最先进的Transformer架构，并提供了易于经常使用的API，使得钻研人员和开发者能够轻松地加载、微和谐经常使用这些模型。

一、Hugging FaceTransformers

Hugging Face Transformers是什么？ Hugging Face Transformers是 一个弱小的Python库 ，最后被创立用于 开发言语模型 ，当初它的配置曾经裁减到包括 多模态（如图像和文本结合）、计算机视觉和音频解决等其余用途的模型 。这象征着，除理解决言语数据之外，Hugging Face Transformers还能 解决图片和声响数据 ，使其成为一个多配置的工具库。

HuggingFace Transformers

该库提供了各种预训练模型，如BERT、GPT-2、RoBERTa、T5等，并允许 和 Tensorflow2.0 框架，其设计指标是提供一个易于经常使用且灵敏的接口，以便钻研人员和开发人员能够轻松地经常使用预训练模型。

二、Hugging Face Hub

Hugging Face Hub是什么？Hugging Face Hub是一个面向机器学习开发者和单干者的社区平台 ，提供了 少量的预训练模型 数据集 以及 机器学习运行 。经过Hugging Face Hub库，用户可以轻松公开载、上行文件，治理存储库，运转推断，搜查资源，以及介入社区互动。

HuggingFace Hub

Hugging Face Hub库的设计思考到了易用性和配置性，它允许从Hub下载文件、上行文件到Hub、治理存储库、在部署的模型上运转推断、搜查模型和数据集等配置。此外，它还提供了丰盛的API和命令行工具，使得用户可以繁难地启出发份验证、创立存储库和上行文件。

三、Transformers外围配置模块

Hugging Face Transformers外围配置模块？ Hugging Face Transformers库的外围配置模块包括： Pipelines、Tokenizer、模型加载和保留

Transformers库提供上层API Pipelines简化模型经常使用，蕴含多种Tokenizer成功文本格局转换，以及允许模型加载与保留配置以促成模型复用与共享。

原文链接：​ ​​ ​​