快速上手
快来使用 🤗 Transformers 吧！
无论你是开发人员还是日常用户，这篇快速上手教程都将帮助你入门并且向你展示如何使用 pipeline() 进行推理，使用 AutoClass 加载一个预训练模型和预处理器，以及使用 PyTorch 或 TensorFlow 快速训练一个模型。
如果你是一个初学者，我们建议你接下来查看我们的教程或者课程，来更深入地了解在这里介绍到的概念。
准备工作
在开始之前，确保你已经安装了所有必要的库：
!pip install transformers datasets evaluate accelerate
你还需要安装喜欢的机器学习框架：
pip install torch
命令1
命令实际上安装了四个包，下面我分别解释一下：
| 包名 | 作用 | 你为什么需要它 |
|---|---|---|
| transformers | Hugging Face 的核心库，支持各种大模型（BERT、GPT、Llama、T5、Whisper 等）的加载、推理和微调。 | 🚀 没它就不能用任何 Hugging Face 模型。 |
| datasets | 用来加载、切分和处理各种数据集（文本/图像/音频）。 | 📚 训练模型需要数据；这个库让你几行代码就能加载常见数据集。 |
| evaluate | 用来计算评估指标，比如准确率、F1 值、BLEU 分数等。 | 📊 当你微调模型或对比效果时，需要它来计算性能。 |
| accelerate | 用来自动管理硬件加速（GPU/多卡/混合精度训练）。 | ⚡ 让模型能在显卡、分布式环境下高效运行。 |
前面的 ! 只是表示在 Jupyter Notebook 或 Colab 中执行 shell 命令。
如果你在命令行（终端 / VSCode Terminal）执行，可以去掉 !：
pip install transformers datasets evaluate accelerate
命令2
这是另一个必须安装的核心库。
因为 transformers 库本身只是“模型层的封装”，它需要依托于底层的深度学习框架，比如：
PyTorch（torch）
TensorFlow
JAX
Hugging Face 的文档默认推荐用 PyTorch（因为社区最活跃，也最常用于大模型训练）。
所以：
pip install torch 就是安装 PyTorch，提供计算、神经网络、GPU 加速等底层功能。
实战
我是在 Windows 的命令提示符（CMD）或 PowerShell 中运行这行命令，
而 !pip 是 Jupyter Notebook 或 Google Colab 专用语法，在普通命令行里不能用。
pip install transformers datasets evaluate accelerate
pip install torch
耐心等待安装完成。
确认安装情况：
pip show transformers datasets evaluate accelerate torch
会展示对应的版本信息
pip show transformers datasets evaluate accelerate torch
Name: transformers
Version: 4.57.1
Summary: State-of-the-art Machine Learning for JAX, PyTorch and TensorFlow
Home-page: https://github.com/huggingface/transformers
Author: The Hugging Face team (past and future) with the help of all our contributors (https://github.com/huggingface/transformers/graphs/contributors)
Author-email: transformers@huggingface.co
License: Apache 2.0 License
Location: D:\Users\Administrator\AppData\Local\Programs\Python\Python313\Lib\site-packages
Requires: filelock, huggingface-hub, numpy, packaging, pyyaml, regex, requests, safetensors, tokenizers, tqdm
Required-by:
---
Name: datasets
Version: 4.4.0
Summary: HuggingFace community-driven open-source library of datasets
Home-page: https://github.com/huggingface/datasets
Author: HuggingFace Inc.
Author-email: thomas@huggingface.co
License: Apache 2.0
Location: D:\Users\Administrator\AppData\Local\Programs\Python\Python313\Lib\site-packages
Requires: dill, filelock, fsspec, httpx, huggingface-hub, multiprocess, numpy, packaging, pandas, pyarrow, pyyaml, requests, tqdm, xxhash
Required-by: evaluate
---
Name: evaluate
Version: 0.4.6
Summary: HuggingFace community-driven open-source library of evaluation
Home-page: https://github.com/huggingface/evaluate
Author: HuggingFace Inc.
Author-email: leandro@huggingface.co
License: Apache 2.0
Location: D:\Users\Administrator\AppData\Local\Programs\Python\Python313\Lib\site-packages
Requires: datasets, dill, fsspec, huggingface-hub, multiprocess, numpy, packaging, pandas, requests, tqdm, xxhash
Required-by:
---
Name: accelerate
Version: 1.11.0
Summary: Accelerate
Home-page: https://github.com/huggingface/accelerate
Author: The HuggingFace team
Author-email: zach.mueller@huggingface.co
License: Apache
Location: D:\Users\Administrator\AppData\Local\Programs\Python\Python313\Lib\site-packages
Requires: huggingface_hub, numpy, packaging, psutil, pyyaml, safetensors, torch
Required-by:
---
Name: torch
Version: 2.9.0
Summary: Tensors and Dynamic neural networks in Python with strong GPU acceleration
Home-page:
Author:
Author-email: PyTorch Team <packages@pytorch.org>
License: BSD-3-Clause
Location: D:\Users\Administrator\AppData\Local\Programs\Python\Python313\Lib\site-packages
Requires: filelock, fsspec, jinja2, networkx, setuptools, sympy, typing-extensions
Required-by: accelerate
参考资料
https://huggingface.co/docs/transformers/main/zh/quicktour
