How-to-use-Transformers

jsksxs360Apache-2.0更新放缓

基于 PyTorch 的 Transformers 库入门教程，手把手演示文本分类、NER、问答、摘要等常见 NLP 任务的训练与微调流程。

Transformers 库快速入门教程

暂无版本1,892star225fork同步于 2026-11-07 07:31 UTC

Transformers NLP 微调文本分类命名实体识别问答系统

对比 GitHub 官网 bert classification natural-language-processing ner nlp

怎么上手

由 README 提炼，执行前请确认

原文

README 未说明

硬件要求按 README 说明

README 未说明

下载：源码 zip·GitHub Releases（安装包）本站不镜像安装包

项目说明

由 README 自动翻译提炼

没人工点评？写下你的经验

Hugging Face Transformers 库的中文入门教程代码仓库，配套系列文章带你从 pipelines 走到大模型微调

基于 PyTorch 的 Transformers 库入门教程，手把手演示文本分类、NER、问答、摘要等常见 NLP 任务的训练与微调流程。

核心能力

按任务分目录提供可独立下载的示例代码
覆盖句子对分类、NER、翻译、摘要、抽取式问答等任务
包含 Prompt 情感分析与 FlanT5、Llama2 指令微调章节
配套 transformers.run 在线教程逐章讲解
附 Pytorch 基础与注意力机制等背景知识

容易踩的坑

示例代码依赖 Hugging Face 预训练模型，首次运行需联网下载模型权重；教程仍在更新中，大语言模型相关章节部分尚未完成

内容由模型根据 README 生成，可能不完整或不准确，以官方文档为准。看原文 README

用户点评

登录用户的真实使用记录，可按版本和硬件筛选

共 0 条

还没有人点评。第一个说出真实体验的人最有价值。

README 原文

未翻译

在 GitHub 打开

title

Transformers 是由 Hugging Face 公司开发的一个 Python 库，支持加载目前绝大部分的预训练语言模型。随着 BERT、GPT 等模型的兴起，越来越多的用户采用 Transformers 库来构建自然语言处理应用。

该项目为《Transformers 库快速入门》教程的代码仓库，按照以下方式组织代码：

data：存储使用到的数据集；
src：存储示例代码，每个任务对应一个文件夹，可以下载下来单独使用。

该教程处于更新中，正在逐渐添加大语言模型的相关内容。

Transformers 库快速入门

第一部分：背景知识
- 第一章：自然语言处理
- 第二章：Transformer 模型
- 第三章：注意力机制
第二部分：初识 Transformers
- 第四章：开箱即用的 pipelines
- 第五章：模型与分词器
- 第六章：必要的 Pytorch 知识
- 第七章：微调预训练模型
第三部分：Transformers 实战
- 第八章：快速分词器
- 第九章：序列标注任务
- 第十章：翻译任务
- 第十一章：文本摘要任务
- 第十二章：抽取式问答
- 第十三章：Prompting 情感分析
第四部分：大语言模型时代
- 第十四章：大语言模型技术简介
- 第十五章：预训练大语言模型
- 第十六章：使用大语言模型
- 第十七章：指令微调 FlanT5 模型
- 第十八章：指令微调 Llama2 模型

示例代码

pairwise_cls_similarity_afqmc：句子对分类任务，金融同义句判断。
sequence_labeling_ner_cpd：序列标注任务，命名实体识别。
seq2seq_translation：seq2seq任务，中英翻译。
seq2seq_summarization：seq2seq任务，文本摘要。
sequence_labeling_extractiveQA_cmrc：序列标注任务，抽取式问答。
text_cls_prompt_senti_chnsenticorp：文本分类任务，Prompt 情感分析。

重要更新

日期	内容
2024-07-06	优化了第一章《自然语言处理》的文字表述，增加了一些图片，增加了大语言模型的简介。
2024-07-27	完成大语言模型技术简介（第14至16章）初稿