∴ 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
去 GitHub 查看 ↗项目主页 ↗

∴ 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

  1. 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
  2. 02安装 Transformers:pip install "transformers[torch]" 或 uv pip install "transformers[torch]"
  3. 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]'
  4. 04用 Pipeline API 快速推理:from transformers import pipeline; pipeline = pipeline(task="text-generation", model="Qwen/Qwen2.5-1.5B")
  5. 05传入文本提示模型:pipeline("the secret to baking a really good cake is ")
  6. 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。

[object Object]2026-09-14 +5282026-09-15 +5362026-10-10 +942026-10-11 +96
每日新增 Star · 2026-09-14 至 2026-10-11 · 共 4 个在榜日峰值 +536
日期名次当日新增总 Star
#11+96167,480
#11+94167,006
#15+536166,122
#15+528165,828