Py之transformers：transformers的简介、安装、使用方法、案例应用之详细攻略_python transformers

Py之transformers：transformers的简介、安装、使用方法、案例应用之详细攻略

目录

transformers的简介

1、为什么要使用transformers？

2、文档、任务总结、预处理教程、训练和微调、模型共享和上传​

transformers的使用方法

1、在自然语言处理中常见任务

2、在计算机视觉中常见任务

3、在音频中常见任务

4、在多模态中常见任务

transformers的安装

transformers的案例应用

1、基础案例

(1)、快速使用管道对正面文本和负面文本进行分类

# (2)、提取图像中检测到的对象

(3)、下载和使用给定任务中的任何预训练模型——PyTorch版本、TensorFlow版本

可提供的模型架构—目前194种

---

相关文章
Paper：Transformer模型起源—2017年的Google机器翻译团队—《Transformer：Attention Is All You Need》翻译并解读
Paper：《The Illustrated Transformer》翻译与解读
DL之Transformer：Transformer的简介(优缺点/架构详解，基于Transformer的系列架构对比分析)、使用方法(NLP领域/CV领域)、案例应用之详细攻略

transformers的简介

       transformers提供了数千个预先训练好的模型来执行不同模式的任务，如文本、视觉和音频。这些模型可应用于:
>> 文本：用于文本分类、信息提取、问题回答、摘要、翻译、文本生成等任务，支持100多种语言。
>> 图像：用于图像分类、对象检测和分割等任务。
>> 音频：用于语音识别和音频分类等任务。

       transformer模型还可以在几种组合模式上执行任务，例如表格问题回答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问题回答。
       transformer提供了api，可以快速下载并在给定文本上使用这些预训练的模型，在您自己的数据集上对它们进行微调，然后在我们的模型中心上与社区共享。同时，每个定义架构的python模块都是完全独立的，可以进行修改以进行快速研究实验。
       transformer由三个最流行的深度学习库——Jax、PyTorch和TensorFlow——支持，并在它们之间无缝集成。在加载模型进行推理之前，先用一个模型训练它们是很简单的。您可以从模型中心直接在它们的页面上测试我们的大多数模型。我们还提供私有模型托管、版本控制和公共和私有模型的推理API。

GitHub：

https://www.wpsshop.cn/w/weixin_40725706/article/detail/469216