Pojmovnik

Hugging Face Transformers

Što je Hugging Face Transformers?

Hugging Face Transformers je open-source Python biblioteka koja putem jednog, dosljednog sučelja omogućuje pristup unaprijed treniranim modelima za tekst, slike i zvuk. Programeri je koriste za preuzimanje modela s Hugging Face Huba, njihovo isprobavanje, prilagodbu vlastitim podacima ili lokalno pokretanje. Od verzije 5 biblioteka je usmjerena prvenstveno na PyTorch (stanje: listopad 2026.). Primjer: tim testira model za analizu sentimenta u samo nekoliko redaka koda.

Teme

Otvoreni kod
Biblioteka
Python
Modeli

Isprobajte KI.ordo

Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.

Pokrenite demo

← Svi pojmovi

Srodni pojmovi

Transformer

Transformer je arhitektura neuronskih mreža predstavljena 2017. u istraživačkom radu „Attention Is All You Need“. U njezinoj je jezgri mehanizam pažnje: svaka riječ vaga se u odnosu na sve ostale riječi u tekstu, a izračun se može učinkovito paralelizirati. Transformeri su temelj današnjih jezičnih modela poput GPT-a, Claudea i BERT-a, a koriste se i za slike i zvuk.

Arhitektura
Duboko učenje
+1

Veliki jezični model (LLM)

Veliki jezični model (LLM) neuronska je mreža trenirana na vrlo velikim količinama teksta, zahvaljujući čemu može razumjeti i generirati jezik. Radi tako da korak po korak izračunava najvjerojatniji sljedeći token. LLM-ovi pišu, sažimaju, prevode, odgovaraju na pitanja i generiraju kod; poznati primjeri su Claude, GPT, Gemini i Llama. Bez pristupa aktualnim izvorima znaju samo ono što je bilo u njihovim podacima za treniranje.

Jezični modeli
Generativna UI
+1

PyTorch

PyTorch je okvir otvorenog koda za strojno i duboko učenje u programskom jeziku Python. Izvorno je razvijen u Meti (tada Facebook), a od 2022. njime upravlja PyTorch Foundation pod okriljem Linux Foundation. PyTorch se naširoko koristi u istraživanju i industriji jer programerima omogućuje fleksibilnu izgradnju modela, njihovo treniranje na GPU-ovima i testiranje korak po korak; mnogi poznati jezični i slikovni modeli izgrađeni su s njime.

okvir
duboko učenje
+1

Fino podešavanje

Fino podešavanje (fine-tuning) znači daljnje treniranje već unaprijed treniranog UI modela na dodatnim, obično zadatku prilagođenim podacima. Njegove unutarnje težine prilagođavaju se tako da model pouzdanije obrađuje, primjerice, određeni stil pisanja, stručni rječnik ili izlazni format. Fino podešavanje zahtijeva pažljivo pripremljene primjere podataka, računalnu snagu i testiranje. Za mnoge primjene dovoljne su dobro napisane upute i povezano znanje, koje je ujedno lakše mijenjati.

Treniranje modela
Prilagodba
+1