huggingface/transformers

项目介绍

Transformers 是 Hugging Face 生态中的模型定义框架，本身不分发权重，而是集中定义各架构如何加载、配置和执行。同一份模型定义可被 Axolotl、Unsloth、DeepSpeed、PyTorch-Lightning 等训练框架，vLLM、SGLang、TGI 等推理引擎，以及 llama.cpp、mlx 等相邻库复用。它覆盖文本、视觉、音频、视频和多模态模型，同时支持推理与训练，Hub 上已有超过 100 万个兼容的模型 checkpoint。

它适合希望用统一 API 覆盖大量预训练架构的研究者和工程师，也适合需要在 PyTorch、JAX、TensorFlow 之间切换，或在实验与生产之间迁移同一模型的项目。

安装与首次运行

运行环境需要 Python 3.11+ 和 PyTorch 2.6+ PyTorch。创建并激活虚拟环境后，安装时带上 torch 扩展：

python -m venv .my-env
source .my-env/bin/activate
pip install "transformers[torch]"

使用 uv 时，安装步骤换成 uv pip install "transformers[torch]" 安装步骤。若要获得最新未发布代码，可克隆仓库、进入目录后执行 pip install '.[torch]'；该版本可能不稳定，遇到问题可通过问题跟踪页反馈。

高层 Pipeline 会处理输入预处理并返回对应任务的输出。下面的例子会下载并缓存一个文本生成模型，然后向它提问 快速开始：

from transformers import pipeline

pipe = pipeline(task="text-generation", model="Qwen/Qwen2.5-1.5B")
pipe("the secret to baking a really good cake is ")

返回值是包含 generated_text 字段的字典列表。同样的调用方式也适用于对话（传入 {"role", "content"} 消息列表）、使用 openai/whisper-large-v3 的语音识别、使用 facebook/dinov2-small-imagenet1k-1-layer 的图像分类，以及使用 Salesforce/blip-vqa-base 的视觉问答。命令行也提供了入口：先运行 transformers serve，再执行 transformers chat Qwen/Qwen2.5-0.5B-Instruct 即可交互对话 推理服务文档。

可以从模型目录挑选 checkpoint，模型卡上会写明传给 pipeline 的任务名称。

使用约束

• 权重不随库打包，首次运行会从 Hub 下载并缓存到本地，需要网络和磁盘空间；受限模型还需接受条款并完成认证。
• GPU 执行以及量化或大模型能否运行，取决于所装 PyTorch 版本、硬件和显存；纯 CPU 可以运行，但大模型会明显更慢。
• 训练 API 针对 Transformers 提供的 PyTorch 模型优化，通用训练循环项目方建议改用 Accelerate。
• 模型文件有意保持较少抽象，方便研究者直接修改单个架构，因此不适合作为模块化神经网络积木库。
• 许可证为 Apache-2.0 许可证。

HotRepo 点评

站内日榜快照显示的是稳定增长而非爆发：2026-08-11 日增 69 Star，之后多在 100 左右，2026-09-14 和 2026-09-15 分别有 528 和 536 Star 的日增，2026-11-12 在 Python 日榜位列第 11。在这一体量下，每天数百 Star 更多反映它作为共享基础设施的长期位置，而不是某次发布带来的短期热度。Hacker News 上的讨论不多且偏历史：2019 年关于 TensorFlow/PyTorch 互操作的帖子获得 103 分，当时的评论已经称它是 NLP 领域最重要的库 讨论 评论；2024 年关于工具调用和 RAG 模型支持的帖子、2026 年关于 v5 的帖子几乎没有评论。更值得关注的是它的架构定位：作为训练框架和推理引擎共同消费的定义层，周围工具链如何变化都不影响它被依赖。