∴ GitHub / 趋势仓库
huggingface / transformers
面向文本、视觉、音频与多模态的模型定义框架,支持推理与训练
- 语言
- Python
- Star
- 167k
- Fork
- 34.8k
- 当日新增(10-11)
- +96
- 累计在榜
- 4 天
- 最高名次
- 第 11 名
- 首次上榜
- 2026-09-14
∴ 是什么
Transformers 是一个用 Python 编写的模型定义框架,为文本、计算机视觉、音频、视频和多模态任务提供预训练模型的推理与训练支持。它以统一的模型定义为核心,使同一模型定义能兼容多数训练框架、推理引擎和相邻建模库。库内包含 Pipeline 高级推理 API,并支持通过 Hugging Face Hub 获取超过 100 万个模型检查点。
∴ 解决什么问题
- 模型定义分散导致不同框架间兼容性差,需要统一模型定义以被多数生态复用
- 研究人员、工程师和开发者需要低门槛地使用最新 SOTA 模型,减少学习成本
- 从头训练模型成本高,需要共享预训练检查点以降低计算和碳排放
- 用户需要能够在训练、评估和生产阶段自由切换不同深度学习框架
∴ 怎么上手
- 01创建并激活虚拟环境,例如使用 venv:python -m venv .my-env 然后 source .my-env/bin/activate
- 02安装 Transformers:pip install "transformers[torch]" 或 uv pip install "transformers[torch]"
- 03从源码安装(可选):git clone https://github.com/huggingface/transformers.git 后 cd transformers 再运行 pip install '.[torch]'
- 04用 Pipeline API 快速推理:from transformers import pipeline; pipeline = pipeline(task="text-generation", model="Qwen/Qwen2.5-1.5B")
- 05传入文本提示模型:pipeline("the secret to baking a really good cake is ")
- 06与模型对话:构造包含 system 和 user 角色的 chat 列表,再传入 pipeline,如 pipeline(chat, max_new_tokens=512)
∴ 适合谁
适用于研究人员、工程师和开发者,尤其是需要快速使用或定制预训练模型进行 NLP、视觉、音频或多模态任务的用户
∴ 要点
- 支持文本、视觉、音频、视频和多模态模型,覆盖推理与训练
- 模型定义与 PyTorch、JAX、TF2.0 等框架兼容,可灵活切换
- 提供统一 API,仅需学习三个类即可使用全部预训练模型
- 包含 Pipeline 高级 API,支持文本生成、语音识别、图像分类等任务
- 提供示例脚本用于复现各架构作者发布的结果
- 许可证为 Apache-2.0
许可证 Apache-2.0audiodeep-learningdeepseekgemmaglmhacktoberfestllmmachine-learningmodel-hubnatural-language-processingnlppretrained-modelspythonpytorchpytorch-transformersqwenspeech-recognitiontransformervlm
解读由 AI 依据项目 README 生成,生成于 2026-10-06,以 GitHub 原文为准。
∴ 在榜记录
GitHub Trending 今日榜的每日存档,日期按北京时间。2026-09-14 首次上榜,累计在榜 4 天,最高第 11 名。