transformer模型首次体验代码

前言

首先是安装python，更新pip源到清华源。安装transformer

pip install transformer

安装jupyter lab，也简单一行

pip install jupyterlab

现在不想用anaconda了，因为国内没有源了，国外的又慢。直接用pip吧。

然后开始体验之旅吧：

打开终端，输入：

jupyter lab

会弹出一个web页面，代开后输入python代码：

from transformers import pipeline
cf \= pipeline("sentiment-analysis")
cf(
    \["hello world.",
     "This place is too dirty.",
    \]
)

输出下面的内容：

No model was supplied, defaulted to distilbert-base-uncased-finetuned-sst-2-english and revision af0f99b (https://huggingface.co/distilbert-base-uncased-finetuned-sst-2-english).
Using a pipeline without specifying a model name and revision in production is not recommended.（这里是一个警告，没关系）
\[{'label': 'POSITIVE', 'score': 0.9997791647911072}, 
 {'label': 'NEGATIVE', 'score': 0.999772846698761}\]

输出包含了这两句话的正面还是负面情绪的判断。可以自己写两句看看哦。

注意：代码最后一段的是调用cf，所以没有“=”号，要注意，我一开始就是多添加一个“=”,半天看不出哪里错了。

再来一段：

from transformers import AutoTokenizer
ck \= "distilbert-base-uncased-finetuned-sst-2-english"
tokenizer \= AutoTokenizer.from\_pretrained(ck)
a \= \[
    "hello world.",
     "This place is too dirty.",
\]
inputs \= tokenizer(a,padding=True,truncation=True,return\_tensors="pt")
print(inputs)

输出：

{'input\_ids': tensor(\[\[ 101, 7592, 2088, 1012,  102,    0,    0,    0\],
        \[ 101, 2023, 2173, 2003, 2205, 6530, 1012,  102\]\]), 'attention\_mask': tensor(\[\[1, 1, 1, 1, 1, 0, 0, 0\],
        \[1, 1, 1, 1, 1, 1, 1, 1\]\])}

解释：

AutoTokenizer是自动分词工具。它的作用是根据你选择的模型，自动选择和该模型匹配的分词器（tokenizer），本例我选择 distilbert-base-uncased-finetuned-sst-2-english 模型，AutoTokenizer会自动选择和该模型匹配的分词器。

from_pretrained是加载预训练模型的方法，这里加载了 distilbert-base-uncased-finetuned-sst-2-english 模型。

tokenizer 作为一个函数别名指代了预训练模型。

该模型加载了要分析的句子 a ，以及一些参数的指定，最后输出。

最后的最后

感谢你们的阅读和喜欢，我收藏了很多技术干货，可以共享给喜欢我文章的朋友们，如果你肯花时间沉下心去学习，它们一定能帮到你。

因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。作为一个普通人，无法全部学完，所以我们在提升技术的时候，首先需要明确一个目标，然后制定好完整的计划，同时找到好的学习方法，这样才能更快的提升自己。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

五、面试资料

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】