Trung Quốcjsksxs360/How-to-use-Transformers
Transformers 库快速入门教程
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#4 Repository Của Tuần
#6 Repository Của Tuần
🚀 Hành trình chinh phục Transformers — Từ BERT đến LLM
Kho code toán được viết tay, đồng hành cùng cuốn sách "Transformers 库快速入门" — nơi lý thuyết chạm đến thực hành.
Đây là kho lưu trữ mã nguồn của cuốn sách hướng dẫn sử dụng thư viện Transformers do Hugging Face phát triển. Dự án được tổ chức rõ rệt theo từng chương, từ kiến thức nền tảng về NLP và cơ chế Attention, đến các bài toán ứng dụng thực tế như phân loại câu, nhận dạng thực thể, dịch máy, tóm tắt văn bản, hỏi đáp và Prompt-based sentiment analysis. Gần đây, dự án cũng mở rộng để bao phủ kiến thức về các mô hình ngôn ngữ lớn (LLMs) như FlanT5 và Llama2.
✨ Điểm nổi bật
- Hệ thống giảng dạy trọn gói từ lý thuyết đến thực hành: bao phủ 4 phần bài học từ NLP cơ bản, Transformers, Pipelines, PyTorch, đến các kiến thức về LLMs.
- Bài tập thực hành đa dạng dựa trên các bài toán NLP thực tế: bao gồm AFNMC (phân loại câu), CPD (NER), WMT (dịch), CNN/Daily Mail (tóm tắt), CMRC (hỏi đáp), và ChnSentiCor (phân tích cảm xúc bằng Prompt).
- Hỗ trợ cập nhật nội dung LLM thời gian thực: đang dần thêm chương về các mô hình lớn như FlanT5 và Llama2, cùng kỹ thuật instruction tuning.
- Cấu trúc thư mục rõ ràng, dễ tùy chỉnh: mỗi bài toán nằm trong một thư mục riêng dưới
src/, độc lập và khả chạy. - Tài liệu hướng dẫn chi tiết kèm theo sách điện tử trựực tuyến: truy cập tại transformers.run.
💡 Vì sao đáng chú ý
Khác với các tài liệu chỉ mang tính lý thuyết, dự án này kết hợp trực tiếp giữa lý thuyết và mã nguồn thực hành. Người học không chỉ hiểu khái niệm mà còn vận dụng ngay vào các ví dụ cụ thể. Đặc biệt, sự bổ sung liên quan đến LLMs cho thấy sự cập nhật liên tục theo xu hướng công nghệ mới nhất.
#Transformers #NLP #LLM #HuggingFace #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training.
Non-autoregressive System 1 decision engine. Typed choice, score and yes/no decisions over any text in a single forward pass, in 100+ languages, with a router that picks the right checkpoint per request.
Cross-Encoder for MS Marco This model was trained on the MS Marco Passage Ranking(https://github.com/microsoft/MSMARCO-Passage-Ranking) task. The model can be used for Information Retrieval: Given a query, encode the query will all possible passages...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more languages,...
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic se...
BERT base model (uncased) Pretrained model on English language using a masked language modeling (MLM) objective. It was introduced in this paper(https://arxiv.org/abs/1810.04805) and first released in this repository(https://github.com/google-resear...
Natural Language Processing Tutorial for Deep Learning Researchers
💥 Fast State-of-the-Art Tokenizers optimized for Research and Production