Sanasto

Hugging Face Transformers

Mikä on Hugging Face Transformers?

Hugging Face Transformers on avoimen lähdekoodin Python-kirjasto, joka antaa pääsyn esikoulutettuihin teksti-, kuva- ja äänimalleihin yhden yhtenäisen rajapinnan kautta. Kehittäjät käyttävät sitä mallien lataamiseen Hugging Face Hubista, niiden kokeiluun, mukauttamiseen omalle datalle tai ajamiseen paikallisesti. Versiosta 5 alkaen kirjasto on keskittynyt ensisijaisesti PyTorchiin (tilanne lokakuussa 2026). Esimerkki: tiimi testaa sentimenttianalyysimallia vain muutamalla koodirivillä.

Aiheet

Avoin lähdekoodi
kirjasto
Python
mallit

Kokeile KI.ordoa

Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.

Aloita demo

← Kaikki termit

Liittyvät termit

Transformer

Transformer on neuroverkkoarkkitehtuuri, joka esiteltiin vuonna 2017 tutkimusartikkelissa ”Attention Is All You Need”. Sen ytimessä on huomiomekanismi: jokaista sanaa painotetaan suhteessa kaikkiin muihin tekstin sanoihin, ja laskenta voidaan rinnakkaistaa tehokkaasti. Transformerit ovat nykyisten kielimallien, kuten GPT:n, Clauden ja BERTin, perusta, ja niitä käytetään myös kuvissa ja äänessä.

Arkkitehtuuri
Syväoppiminen
+1

Suuri kielimalli (LLM)

Suuri kielimalli (LLM) on neuroverkko, joka on koulutettu hyvin suurilla tekstimäärillä, jotta se ymmärtää ja tuottaa kieltä. Se toimii laskemalla askel askeleelta todennäköisimmän seuraavan tokenin. LLM:t kirjoittavat, tiivistävät, kääntävät, vastaavat kysymyksiin ja tuottavat koodia; tunnettuja esimerkkejä ovat Claude, GPT, Gemini ja Llama. Ilman pääsyä ajankohtaisiin lähteisiin ne tietävät vain sen, mitä niiden koulutusdatassa oli.

kielimallit
generatiivinen tekoäly
+1

PyTorch

PyTorch on avoimen lähdekoodin kehys koneoppimiseen ja syväoppimiseen Python-ohjelmointikielellä. Se kehitettiin alun perin Metalla (silloin Facebook), ja vuodesta 2022 sitä on ylläpitänyt PyTorch Foundation Linux Foundationin alaisuudessa. PyTorchia käytetään laajasti tutkimuksessa ja teollisuudessa, koska sen avulla kehittäjät voivat rakentaa malleja joustavasti, opettaa niitä GPU:illa ja testata niitä vaihe vaiheelta; monet tunnetut kieli- ja kuvamallit on rakennettu sillä.

sovelluskehys
syväoppiminen
+1

hienosäätö

Hienosäätö tarkoittaa jo esikoulutetun tekoälymallin jatkokoulutusta lisädatalla, joka on yleensä tehtäväkohtaista. Sen sisäisiä painoja säädetään, jotta malli hallitsee esimerkiksi tietyn kirjoitustyylin, erikoissanaston tai tulostusmuodon luotettavammin. Hienosäätö vaatii huolellisesti valmisteltua esimerkkidataa, laskentatehoa ja testausta. Moneen käyttötarkoitukseen riittävät hyvin kirjoitetut ohjeet ja liitetty tietämys, ja niitä on helpompi muuttaa.

mallin koulutus
Mukauttaminen
+1