Transformers 充当跨文本、计算机视觉、音频、视频与多模态的最先进机器学习模型的「模型定义框架」，同时覆盖推理与训练。

它将模型的定义集中化，使整个生态系统对该定义达成一致。transformers 是跨框架的枢纽：一旦某模型定义被支持，它通常就能兼容多数训练框架（如 Axolotl、Unsloth、DeepSpeed、FSDP、PyTorch‑Lightning 等）、推理引擎（如 vLLM、SGLang、TGI 等），以及依赖 transformers 模型定义的相关库（如 llama.cpp、mlx 等）。

我们的目标是持续支持新的最先进模型，并通过让模型定义保持简单、可定制且高效来普及其使用。

一、核心定位

该仓库是 Transformer 模型定义的核心框架，统一了模型定义标准，使其能兼容主流训练框架（Axolotl、Unsloth、DeepSpeed 等）、推理引擎（vLLM、SGLang、TGI 等）及周边建模库（llama.cpp、mlx 等），目标是简化前沿模型的使用、定制与部署，实现技术民主化。

二、核心特性

丰富的模型生态：Hugging Face Hub 上有超过 100 万 + 基于该库的预训练模型 checkpoint，覆盖各类主流 / 前沿模型（如 BERT、GPT、SAM-HQ、DepthPro、CLIP 等）。

版本控制能力：基于 Git 和 Git LFS 实现模型版本管理，可通过revision参数指定提交哈希、标签或分支，加载特定版本的模型：

model = AutoModel.from_pretrained(
    "julien-c/EsperBERTo-small", revision="4c77982"  # 提交哈希/标签/分支名
)

多语言支持：文档覆盖简体中文、繁体中文、韩语、日语、西班牙语、德语等十余种语言。

灵活的访问控制：支持模型仓库的 “门控（Gating）” 功能，可限定特定用户组访问（如研究模型公测）；同时支持模型仓库公有 / 私有配置。

无代码交互：

三、安装与环境

支持 Python 3.10+、PyTorch 2.4+，推荐通过虚拟环境安装：

# 基于venv创建虚拟环境
python -m venv .my-env
source .my-env/bin/activate

# 或基于uv（Rust实现的快速包管理器）
uv venv .my-env
source .my-env/bin/activate

# 安装transformers
pip install transformers

仅供个人学习参考/导航指引使用，具体请以第三方网站说明为准，本站不提供任何专业建议。如果地址失效或描述有误，请联系站长反馈～感谢您的理解与支持！

链接: https://fly63.com/nav/4976