ES
Iniciar sesiónEmpezar
Glosario

Hugging Face Transformers

¿Qué es Hugging Face Transformers?

Hugging Face Transformers es una biblioteca de Python de código abierto que da acceso a modelos preentrenados para texto, imagen y audio mediante una interfaz unificada. Con ella puedes descargar modelos del Hugging Face Hub, probarlos, adaptarlos a tus propios datos o ejecutarlos en local. Desde la versión 5, la biblioteca se centra principalmente en PyTorch (a octubre de 2026). Ejemplo: un equipo prueba un modelo de análisis de sentimiento con pocas líneas de código.

Temas

  • Código abierto
  • Biblioteca
  • Python
  • Modelos

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo
← Todos los términos

Términos relacionados

Transformer

El Transformer es una arquitectura de red neuronal presentada en 2017 en el artículo de investigación «Attention Is All You Need». Su núcleo es el mecanismo de atención: cada palabra se pondera en relación con todas las demás del texto, y el cálculo se paraleliza con eficacia. Los Transformers son la base de los modelos de lenguaje actuales como GPT, Claude o BERT y también se usan para imagen y audio.

  • Arquitectura
  • Deep learning
  • +1

Modelo de lenguaje grande (LLM)

Un modelo de lenguaje grande (Large Language Model, LLM) es una red neuronal entrenada con enormes cantidades de texto, lo que le permite entender y generar lenguaje. Funciona calculando, paso a paso, el siguiente token más probable. Los LLM redactan, resumen, traducen, responden preguntas y generan código; ejemplos conocidos son Claude, GPT, Gemini y Llama. Sin acceso a fuentes actualizadas, solo conocen lo que había en sus datos de entrenamiento.

  • Modelos de lenguaje
  • IA generativa
  • +1

PyTorch

PyTorch es un framework de código abierto para aprendizaje automático y aprendizaje profundo en el lenguaje Python. Nació en Meta (entonces Facebook) y desde 2022 lo gestiona la PyTorch Foundation, bajo el paraguas de la Linux Foundation. Está muy extendido en investigación e industria porque permite construir modelos con flexibilidad, entrenarlos en GPU y probarlos paso a paso; muchos modelos de lenguaje e imagen conocidos se desarrollan con él.

  • framework
  • aprendizaje profundo
  • +1

Ajuste fino (fine-tuning)

El ajuste fino (fine-tuning) consiste en seguir entrenando un modelo de IA ya preentrenado con datos adicionales, normalmente específicos de una tarea. Se modifican sus pesos internos para que domine con más fiabilidad, por ejemplo, un estilo de redacción, un vocabulario técnico o un formato de salida. Requiere ejemplos bien preparados, capacidad de cálculo y pruebas. Para muchas aplicaciones bastan unas instrucciones bien redactadas y conocimiento conectado, que son más fáciles de cambiar.

  • Entrenamiento
  • Personalización
  • +1