Transformers

Transformers 为文本、计算机视觉、音频、视频和多模态模型提供了最先进的机器学习模型定义框架，支持推理和训练。

它将模型定义集中化，使这一定义在整个生态系统中得到统一。`transformers` 是跨框架的枢纽：如果一个模型定义得到支持，它将与大多数训练框架（Axolotl、Unsloth、DeepSpeed、FSDP、PyTorch-Lightning 等）、推理引擎（vLLM、SGLang、TGI 等）以及利用 `transformers` 模型定义的相邻建模库（llama.cpp、mlx 等）兼容。

我们致力于支持新的最先进模型，并通过使其模型定义简单、可定制且高效来普及它们的使用。

在 Hugging Face Hub 上有超过 100 万个 Transformers 模型检查点 供您使用。

立即探索 Hub，找到一个模型并使用 Transformers 帮助您快速上手。

功能

Transformers 提供了使用最先进的预训练模型进行推理或训练所需的一切。一些主要功能包括：

• Pipeline：为许多机器学习任务（如文本生成、图像分割、自动语音识别、文档问答等）提供简单且优化的推理类。
• Trainer：一个全面的训练器，支持混合精度、torch.compile 和 FlashAttention 等功能，用于训练和分布式训练 PyTorch 模型。
• generate：使用大语言模型（LLM）和视觉语言模型（VLM）进行快速文本生成，包括对流式处理和多种解码策略的支持。

设计

Transformers 专为开发者、机器学习工程师和研究人员设计。其主要设计原则是：

1. 快速易用：每个模型仅由三个主要类（配置、模型和预处理器）实现，并可使用 Pipeline 或 Trainer 快速用于推理或训练。
2. 预训练模型：通过使用预训练模型而不是训练一个全新的模型来减少您的碳足迹、计算成本和时间。每个预训练模型都尽可能地复现原始模型，并提供最先进的性能。

学习

如果您是 Transformers 的新手或想了解更多关于 transformer 模型的信息，我们建议您从 LLM 课程 开始。这门综合课程涵盖了从 transformer 模型工作原理的基础知识到各种任务的实际应用。您将学习完整的工作流程，从整理高质量数据集到微调大语言模型和实现推理能力。该课程包含理论和实践练习，帮助您在学习过程中建立扎实的 transformer 模型基础知识。

< > 在 GitHub 上更新