transformers — Hugging Face Transformers é um framework de definição de modelos para aprendizado de máquina em tarefas de texto, visão, áudio e multimodais. Oferece uma API unificada para inferência e treinamento com mais de 1 milhão de checkpoints pré-treinados.

Hugging Face Transformers é um framework de definição de modelos para aprendizado de máquina em tarefas de texto, visão, áudio e multimodais. Oferece uma API unificada para inferência e treinamento com mais de 1 milhão de checkpoints pré-treinados.

Sobre o projeto

Transformers é um framework de definição de modelos de código aberto projetado para tarefas de aprendizado de máquina envolvendo modelos de texto, visão computacional, áudio, vídeo e multimodais. Ele serve como um hub central em todo o ecossistema de aprendizado de máquina, garantindo compatibilidade com os principais frameworks de treinamento (como Axolotl, Unsloth, DeepSpeed, FSDP e PyTorch-Lightning), mecanismos de inferência (incluindo vLLM, SGLang e TGI) e bibliotecas de modelagem adjacentes como llama.cpp e mlx. ### Principais Características - **API Unificada:** Oferece uma interface consistente para treinar, avaliar e executar inferência em centenas de arquiteturas de modelos. - **API de Pipeline:** Uma abstração de alto nível para inferência rápida em múltiplas modalidades, incluindo geração de texto, reconhecimento automático de fala, classificação de imagens e resposta a perguntas visuais. - **Interoperabilidade de Frameworks:** Permite que os usuários movam um único modelo perfeitamente entre PyTorch, JAX e TensorFlow 2.0. - **Integração com Hugging Face Hub:** Fornece acesso direto a mais de 1 milhão de checkpoints de modelos pré-treinados. - **Internos Customizáveis:** As arquiteturas de modelos são projetadas com abstrações mínimas, expondo estruturas internas para permitir que pesquisadores e desenvolvedores customizem e iterem facilmente em arquivos de modelos de forma independente.