Glosar

Hugging Face Transformers

Ce este Hugging Face Transformers?

Hugging Face Transformers este o bibliotecă Python open-source care oferă acces la modele pre-antrenate pentru text, imagini și audio printr-o interfață unică și coerentă. Dezvoltatorii o folosesc pentru a descărca modele din Hugging Face Hub, a le încerca, a le adapta la propriile date sau a le rula local. Începând cu versiunea 5, biblioteca se concentrează în principal pe PyTorch (situația la octombrie 2026). Exemplu: o echipă testează un model de analiză a sentimentelor cu doar câteva linii de cod.

Subiecte

Open source
bibliotecă
Python
modele

Încercați KI.ordo

Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.

Porniți demo-ul

← Toți termenii

Termeni înrudiți

Transformer

Transformerul este o arhitectură de rețea neuronală introdusă în 2017 în lucrarea de cercetare „Attention Is All You Need”. În centrul ei se află mecanismul de atenție: fiecare cuvânt este ponderat în raport cu toate celelalte cuvinte dintr-un text, iar calculul poate fi paralelizat eficient. Transformerele stau la baza modelelor lingvistice de azi, precum GPT, Claude și BERT, și sunt folosite și pentru imagini și audio.

Arhitectură
Deep learning
+1

Model lingvistic de mari dimensiuni (LLM)

Un model lingvistic de mari dimensiuni (LLM) este o rețea neuronală antrenată pe cantități foarte mari de text, ceea ce îi permite să înțeleagă și să genereze limbaj. Funcționează calculând, pas cu pas, cel mai probabil token următor. LLM-urile scriu, rezumă, traduc, răspund la întrebări și generează cod; exemple cunoscute sunt Claude, GPT, Gemini și Llama. Fără acces la surse actuale, ele știu doar ce se afla în datele lor de antrenare.

modele lingvistice
IA generativă
+1

PyTorch

PyTorch este un framework open-source pentru învățare automată și învățare profundă în limbajul de programare Python. A fost dezvoltat inițial la Meta (pe atunci Facebook) și este administrat din 2022 de PyTorch Foundation, sub egida Linux Foundation. PyTorch este larg răspândit în cercetare și industrie deoarece le permite dezvoltatorilor să construiască flexibil modele, să le antreneze pe GPU-uri și să le testeze pas cu pas; multe modele lingvistice și de imagine cunoscute sunt construite cu el.

framework
deep learning
+1

fine-tuning

Fine-tuning înseamnă continuarea antrenării unui model IA deja pre-antrenat cu date suplimentare, de obicei specifice unei sarcini. Ponderile sale interne sunt ajustate astfel încât modelul să gestioneze mai fiabil, de exemplu, un anumit stil de scriere, un vocabular de specialitate sau un format de ieșire. Fine-tuning-ul necesită date de exemplu pregătite cu grijă, putere de calcul și testare. Pentru multe aplicații, instrucțiunile bine scrise și cunoștințele conectate sunt suficiente și mai ușor de modificat.

antrenarea modelelor
personalizare
+1