Słownik pojęć

Hugging Face Transformers

Czym jest Hugging Face Transformers?

Hugging Face Transformers to otwartoźródłowa biblioteka Pythona, która daje dostęp do wstępnie wytrenowanych modeli dla tekstu, obrazów i dźwięku przez jeden, spójny interfejs. Programiści używają jej do pobierania modeli z Hugging Face Hub, wypróbowywania ich, dostosowywania do własnych danych lub uruchamiania lokalnie. Od wersji 5 biblioteka koncentruje się głównie na PyTorch (stan na październik 2026). Przykład: zespół testuje model analizy sentymentu za pomocą zaledwie kilku linijek kodu.

Tematy

Open source
biblioteka
Python
modele

Wypróbuj KI.ordo

Agenci, przepływy i szablony w jednym obszarze roboczym – bezpłatne demo na 24 godziny.

Uruchom demo

← Wszystkie pojęcia

Powiązane pojęcia

Transformer

Transformer to architektura sieci neuronowych przedstawiona w 2017 roku w artykule naukowym „Attention Is All You Need”. Jej rdzeniem jest mechanizm uwagi: każde słowo jest ważone w relacji do wszystkich pozostałych słów w tekście, a obliczenia można efektywnie zrównoleglać. Transformery stanowią podstawę dzisiejszych modeli językowych, takich jak GPT, Claude i BERT, i są też wykorzystywane do obrazów i dźwięku.

Architektura
Deep learning
+1

Duży model językowy (LLM)

Duży model językowy (LLM) to sieć neuronowa wytrenowana na bardzo dużych ilościach tekstu, dzięki czemu potrafi rozumieć i generować język. Działa, obliczając krok po kroku najbardziej prawdopodobny kolejny token. LLM-y piszą, streszczają, tłumaczą, odpowiadają na pytania i generują kod; znane przykłady to Claude, GPT, Gemini i Llama. Bez dostępu do aktualnych źródeł wiedzą tylko to, co znajdowało się w ich danych treningowych.

modele językowe
generatywna AI
+1

PyTorch

PyTorch to otwartoźródłowy framework do uczenia maszynowego i głębokiego uczenia w języku programowania Python. Został pierwotnie opracowany w Meta (wówczas Facebook), a od 2022 roku opiekuje się nim PyTorch Foundation działająca pod parasolem Linux Foundation. PyTorch jest szeroko stosowany w badaniach i przemyśle, ponieważ pozwala programistom elastycznie budować modele, trenować je na procesorach graficznych i testować krok po kroku; wiele znanych modeli językowych i obrazowych powstało z jego użyciem.

framework
deep learning
+1

dostrajanie

Dostrajanie (fine-tuning) oznacza dalsze trenowanie już wstępnie wytrenowanego modelu AI na dodatkowych, zwykle specyficznych dla zadania danych. Jego wewnętrzne wagi są korygowane tak, aby model niezawodniej radził sobie na przykład z określonym stylem pisania, słownictwem fachowym lub formatem wyniku. Dostrajanie wymaga starannie przygotowanych przykładowych danych, mocy obliczeniowej i testów. W wielu zastosowaniach wystarczają dobrze napisane instrukcje i podłączona wiedza, które są też łatwiejsze do zmiany.

trenowanie modeli
Dostosowanie
+1