Речник

Hugging Face Transformers

Какво е Hugging Face Transformers?

Hugging Face Transformers е библиотека с отворен код на Python, която дава достъп до предварително обучени модели за текст, изображения и аудио чрез единен, последователен интерфейс. Разработчиците я използват, за да изтеглят модели от Hugging Face Hub, да ги изпробват, да ги адаптират към собствените си данни или да ги изпълняват локално. От версия 5 библиотеката е насочена основно към PyTorch (към октомври 2026 г.). Пример: екип тества модел за анализ на настроението само с няколко реда код.

Теми

Отворен код
Библиотека
Python
Модели

Изпробвайте KI.ordo

Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.

Стартирайте демото

← Всички термини

Свързани термини

Transformer

Трансформърът е архитектура на невронна мрежа, представена през 2017 г. в научната статия „Attention Is All You Need“. В основата ѝ е механизмът на вниманието: всяка дума се претегля във връзка с всички останали думи в текста, а изчислението може да се паралелизира ефективно. Трансформърите са в основата на днешните езикови модели като GPT, Claude и BERT и се използват също за изображения и аудио.

Архитектура
Дълбоко обучение
+1

Голям езиков модел (LLM)

Големият езиков модел (large language model, LLM) е невронна мрежа, обучена върху много големи количества текст, която може да разбира и генерира език. Работи, като стъпка по стъпка изчислява най-вероятния следващ токен. LLM пишат, обобщават, превеждат, отговарят на въпроси и генерират код; известни примери са Claude, GPT, Gemini и Llama. Без достъп до актуални източници те знаят само онова, което е било в обучителните им данни.

Езикови модели
Генеративен ИИ
+1

PyTorch

PyTorch е фреймуърк с отворен код за машинно обучение и дълбоко обучение на програмния език Python. Първоначално е разработен в Meta (тогава Facebook), а от 2022 г. се поддържа от PyTorch Foundation под егидата на Linux Foundation. PyTorch се използва широко в научните изследвания и в индустрията, защото позволява на разработчиците да изграждат моделите гъвкаво, да ги обучават на графични процесори и да ги тестват стъпка по стъпка; с него са изградени много известни езикови и графични модели.

рамка
дълбоко обучение
+1

Фино настройване

Финото настройване (fine-tuning) означава допълнително обучение на вече предварително обучен ИИ модел с допълнителни, обикновено специфични за задачата данни. Вътрешните му тегла се коригират така, че моделът да се справя по-надеждно например с определен стил на писане, специализирана лексика или изходен формат. Финната настройка изисква грижливо подготвени примерни данни, изчислителна мощност и тестване. За много приложения добре формулираните инструкции и свързаните знания са достатъчни и се променят по-лесно.

Обучение на модели
Персонализиране
+1