Slovar pojmov

Hugging Face Transformers

Kaj je Hugging Face Transformers?

Hugging Face Transformers je odprtokodna knjižnica v jeziku Python, ki prek enotnega, dosledno zasnovanega vmesnika omogoča dostop do vnaprej naučenih modelov za besedilo, slike in zvok. Razvijalci jo uporabljajo za prenos modelov iz središča Hugging Face Hub, njihovo preizkušanje, prilagajanje lastnim podatkom ali lokalno izvajanje. Od različice 5 se knjižnica osredotoča predvsem na PyTorch (stanje oktober 2026). Primer: ekipa z nekaj vrsticami kode preizkusi model za analizo razpoloženja.

Teme

Odprta koda
Knjižnica
Python
Modeli

Preizkusite KI.ordo

Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.

Začni predstavitev

← Vsi pojmi

Sorodni pojmi

Transformer

Transformer je arhitektura nevronskih mrež, predstavljena leta 2017 v raziskovalnem članku „Attention Is All You Need“. Jedro je mehanizem pozornosti: vsaka beseda se pretehta glede na vse druge besede v besedilu, izračun pa je mogoče učinkovito vzporediti. Transformerji so podlaga današnjih jezikovnih modelov, kot so GPT, Claude in BERT, uporabljajo pa se tudi za slike in zvok.

Arhitektura
Globoko učenje
+1

Veliki jezikovni model (LLM)

Veliki jezikovni model (large language model, LLM) je nevronska mreža, naučena na zelo velikih količinah besedil, kar ji omogoča razumevanje in ustvarjanje jezika. Deluje tako, da korak za korakom izračunava najverjetnejši naslednji token. LLM-ji pišejo, povzemajo, prevajajo, odgovarjajo na vprašanja in ustvarjajo kodo; znani primeri so Claude, GPT, Gemini in Llama. Brez dostopa do aktualnih virov poznajo le tisto, kar je bilo v njihovih učnih podatkih.

Jezikovni modeli
Generativna UI
+1

PyTorch

PyTorch je odprtokodno ogrodje za strojno in poglobljeno učenje v programskem jeziku Python. Izvorno ga je razvil Meta (takrat Facebook), od leta 2022 pa ga upravlja PyTorch Foundation pod okriljem Linux Foundation. PyTorch se veliko uporablja v raziskavah in industriji, ker razvijalcem omogoča prilagodljivo gradnjo modelov, njihovo učenje na grafičnih procesorjih in postopno preizkušanje; z njim je zgrajenih veliko znanih jezikovnih in slikovnih modelov.

ogrodje
globoko učenje
+1

Fino uravnavanje

Fino uravnavanje (fine-tuning) pomeni nadaljnje učenje že vnaprej naučenega modela UI na dodatnih, običajno nalogi prilagojenih podatkih. Njegove notranje uteži se prilagodijo, tako da model zanesljiveje obvlada na primer določen slog pisanja, strokovno besedišče ali obliko izpisa. Fino uravnavanje zahteva skrbno pripravljene vzorčne podatke, računsko moč in preizkušanje. Za številne aplikacije zadostujejo dobro napisana navodila in povezano znanje, ki ju je tudi laže spreminjati.

Učenje modela
Prilagajanje
+1