← 返回专栏列表

000安装

共 108 篇文章

#1

#2

001快速上手

#3

002Pipeline推理

#4

003使用AutoClass加载预训练实例

#5

004预处理数据

#6

005微调预训练模型

#7

006使用脚本进行训练

#8

007使用Accelerate 进行分布式训练

#9

008使用PEFT 加载 adapters

#10

009分享模型

#11

010Transformers Agents 快速上手

#12

011使用 LLMs 生成

#13

012Agents(代理) and tools(工具)

#14

013文本分类

#15

014标记分类（Token Classification）

#16

015LLM 提示指南

#17

016自动语音识别 (ASR, Automatic speech recognition)

#18

017文本转语音 (TTS, Text-to-speech)

#19

018图像-视觉多模态理解模型 (VLM with image-input, Image-text-to-text)

#20

019视觉问答 (VQA, Visual Question Answering)

#21

020文档问答（Document Question Answering, DQA）

#22

021视频-视觉多模态理解模型 (VLM with video-input, Video-text-to-text)

#23

022图像描述生成

#24

023使用缓存优化生成的最佳实践

#25

024文本生成策略

#26

025图像分类

#27

026图像分割

#28

027以图生图（图像到图像任务）

#29

028因果语言模型

#30

029遮蔽语言模型

#31

#32

031文本摘要

#33

032多项选择任务

#34

033问题解答(问答任务)

#35

034音频分类

#36

035视频分类

#37

036目标检测

#38

037零样本目标检测

#39

038零样本图像分类

#40

039单目与多目深度估计的区别

#41

040图像特征提取

#42

041掩码生成 (Mask Generation)

#43

042关键点检测

#44

043知识蒸馏在计算机视觉中的应用

#45

044使用 IDEFICS 进行图像任务

#46

045使用Tokenizers 中的分词器

#47

046多语言模型推理

#48

047创建自定义架构(模型架构)

#49

048创建自定义模型

#50

049聊天模板

#51

#52

051将模型导出为 ONNX 格式

#53

052将模型导出至 TFLite

#54

053导出到 TorchScript

#55

054基准测试

#56

055Transformers 笔记本

#57

056社区资源

#58

057故障排除

#59

058GGUF 和 Transformer 的交互

#60

059Tiktoken 与 Transformers 的交互

#61

060模块化 Transformers

#62

061如何修改 Transformer 模型

#63

062量化技术简介

#64

063bitsandbytes 量化模型｜8位与4位量化

#65

064GPTQ 广义剪枝训练量化

#66

065AWQ 激活感知权重量化

#67

066AQLM 加性量化语言模型

#68

067Optimum-quanto —— PyTorch 多功能量化工具包

#69

068EETQ —— 高效的 Tensor 量化方法

#70

069HQQ —— 半二次量化

#71

070FBGEMM FP8（模型量化至权重为8位，激活为8位）

#72

#73

072TorchAO —— 用于 PyTorch 的架构优化库

#74

#75

074压缩张量

#76

075添加新的量化方法

#77

076性能优化概述(性能与扩展性)

#78

077大型语言模型推理优化

#79

078在单个 GPU 上高效训练的方法和工具

#80

079在多个 GPU 上高效训练

#81

080完全分片数据并行 (Fully Sharded Data Parallel)

#82

#83

082在 CPU 上高效训练

#84

083在多个 CPU 上高效训练

#85

084使用 TensorFlow 在 TPU 上进行训练

#86

085使用 PyTorch 在 Apple 芯片上训练模型

#87

086使用自定义的硬件进行训练

#88

087使用 Trainer API 进行超参数搜索

#89

088通过 CPU 优化推理

#90

089通过多个 CPU 优化推理

#91

090GPU 推理优化

#92

091创建大型模型实例（如何加载大型模型）

#93

092调试（通过调试解决训练过程中可能遇到的问题）

#94

093TensorFlow 模型中的 XLA 集成

#95

094使用 torch.compile() 优化推理速度

#96

095哲学理念

#97

#98

097Transformers 库能做什么

#99

098Transformers 库解决了哪些问题

#100

099Transformer 模型家族

#101

100文本分词器概述

#102

101注意力机制

#103

102填充与截断

#104

103BERTology —— 基于 BERT 进行的相关研究

#105

104困惑度（Perplexity）在固定长度模型中的应用

#106

105使用 pipelines 为 Web 服务器提供推理服务

#107

106模型训练剖析

#108

107优化 LLM 部署的有效技术