自然语言处理Hugging Face Transformers

Hugging Face Transformers 是一个基于 PyTorch 和 TensorFlow 的开源库，专注于 最先进的自然语言处理（NLP）模型，如 BERT、GPT、RoBERTa、T5 等。它提供了 预训练模型、微调工具和推理 API，广泛应用于文本分类、机器翻译、问答系统等任务。

1. Hugging Face Transformers 的特点

✅ 丰富的预训练模型：支持 500+ 种模型（如 BERT、GPT-3、Llama 2）。
✅ 跨框架支持：兼容 PyTorch、TensorFlow、JAX。
✅ 易用 API：提供 pipeline，几行代码即可实现 NLP 任务。
✅ 社区支持：Hugging Face Hub 提供 数千个公开模型和数据集。
✅ 支持自定义训练：可微调（Fine-tune）模型以适应特定任务。

2. 主要功能

(1) 开箱即用的 NLP 任务

文本分类（情感分析、垃圾邮件检测）
命名实体识别（NER）
问答系统（QA）
文本生成（如 GPT-3、Llama 2）
机器翻译
摘要生成

(2) 核心组件

pipeline：快速调用预训练模型进行推理。
AutoModel / AutoTokenizer：自动加载模型和分词器。
Trainer：简化模型训练和微调流程。
Datasets：高效加载和处理数据集。

3. 安装与基本使用

(1) 安装

pip install transformers

（可选）安装 PyTorch / TensorFlow：

pip install torch  # PyTorch
pip install tensorflow  # TensorFlow

注：此处我尝试了安装gpu版本的，因为我电脑安装的cuda版本较低，所以试了几个版本的tensorflow-gpu版本都和transformer版本不匹配。

(2) 使用 `pipeline` 快速体验

from transformers import pipeline 
# 情感分析 将下载的模型存于multilingual-sentiment-analysis路径下
classifier=pipeline("text-classification",model="./multilingual-sentiment-analysis")
print(classifier("我很骄傲"))
# 文本生成 
# 指定本地路径加载模型，将下载的模型存于gpt2路径下
generator = pipeline("text-generation",model="./gpt2")# 本地模型路径
result=generator("AI will change",max_length=50)
print(result[0]['generated_text'])

因为模型在线下载会比较麻烦，建议离线下载好，放到指定的文件夹下，方便调用

通过网盘分享的文件：gpt2
链接: https://pan.baidu.com/s/1Z9MZQKyOQrLlvn_jh3bGOg 提取码: 8ihe

通过网盘分享的文件：multilingual-sentiment-analysis
链接: https://pan.baidu.com/s/16e6Jvo44vetMmTxrQcZZqQ 提取码: tv4e

(3) 加载自定义模型

from transformers import AutoTokenizer, AutoModelForSequenceClassification

# 加载模型和分词器
model_name = "bert-base-uncased"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# 处理输入
inputs = tokenizer("Hello, world!", return_tensors="pt")
outputs = model(**inputs)
print(outputs)

4. 常用预训练模型

模型	用途	示例模型 ID
BERT	文本分类、NER、问答	`bert-base-uncased`
GPT-2	文本生成	`gpt2`
T5	文本摘要、翻译	`t5-small`
RoBERTa	更强大的 BERT 变体	`roberta-base`
Llama 2	Meta 开源的大语言模型	`meta-llama/Llama-2-7b`

5. 与 spaCy 的比较

特性	Hugging Face Transformers	spaCy
模型类型	深度学习（BERT、GPT）	传统统计模型 + 部分 DL
速度	较慢（依赖 GPU 加速）	⚡ 极快（CPU 友好）
适用任务	复杂 NLP（翻译、生成）	基础 NLP（分词、NER）
自定义训练	✅ 支持（微调 LLM）	✅ 支持（但规模较小）
易用性	中等（需了解深度学习）	👍 非常简单

👉 推荐选择：

如果需要 最先进的 NLP（如 ChatGPT 类应用） → Hugging Face。
如果需要 快速处理结构化文本（如实体提取） → spaCy。

6. 实战案例

(1) 聊天机器人（使用 GPT-2）

from transformers import pipeline
chatbot = pipeline("text-generation", model="./gpt2")
response = chatbot("What is the future of AI?", max_length=50)
print(response[0]['generated_text'])

(2) 自定义微调（Fine-tuning）

from transformers import Trainer, TrainingArguments

training_args = TrainingArguments(
    output_dir="./results",
    per_device_train_batch_size=8,
    num_train_epochs=3,
)

trainer = Trainer(
    model=model,
    args=training_args,
    train_dataset=train_dataset,
    eval_dataset=eval_dataset,
)
trainer.train()

（3）情感分析

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
model_name = "./multilingual-sentiment-analysis"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

def predict_sentiment(texts):
    inputs = tokenizer(texts, return_tensors="pt", truncation=True, padding=True, max_length=512)
    with torch.no_grad():
        outputs = model(**inputs)
    probabilities = torch.nn.functional.softmax(outputs.logits, dim=-1)
    sentiment_map = {0: "Very Negative", 1: "Negative", 2: "Neutral", 3: "Positive", 4: "Very Positive"}
    return [sentiment_map[p] for p in torch.argmax(probabilities, dim=-1).tolist()]

texts = [
    # English
    "I absolutely love the new design of this app!", "The customer service was disappointing.", "The weather is fine, nothing special.",
    # Chinese
    "这家餐厅的菜味道非常棒！", "我对他的回答很失望。", "天气今天一般。",
    # Spanish
    "¡Me encanta cómo quedó la decoración!", "El servicio fue terrible y muy lento.", "El libro estuvo más o menos.",
    # Arabic
    "الخدمة في هذا الفندق رائعة جدًا!", "لم يعجبني الطعام في هذا المطعم.", "كانت الرحلة عادية。",
    # Ukrainian
    "Мені дуже сподобалася ця вистава!", "Обслуговування було жахливим.", "Книга була посередньою。",
    # Hindi
    "यह जगह सच में अद्भुत है!", "यह अनुभव बहुत खराब था।", "फिल्म ठीक-ठाक थी।",
    # Bengali
    "এখানকার পরিবেশ অসাধারণ!", "সেবার মান একেবারেই খারাপ।", "খাবারটা মোটামুটি ছিল।",
    # Portuguese
    "Este livro é fantástico! Eu aprendi muitas coisas novas e inspiradoras.",
    "Não gostei do produto, veio quebrado.", "O filme foi ok, nada de especial.",
    # Japanese
    "このレストランの料理は本当に美味しいです！", "このホテルのサービスはがっかりしました。", "天気はまあまあです。",
    # Russian
    "Я в восторге от этого нового гаджета!", "Этот сервис оставил у меня только разочарование.", "Встреча была обычной, ничего особенного.",
    # French
    "J'adore ce restaurant, c'est excellent !", "L'attente était trop longue et frustrante.", "Le film était moyen, sans plus.",
    # Turkish
    "Bu otelin manzarasına bayıldım!", "Ürün tam bir hayal kırıklığıydı.", "Konser fena değildi, ortalamaydı.",
    # Italian
    "Adoro questo posto, è fantastico!", "Il servizio clienti è stato pessimo.", "La cena era nella media.",
    # Polish
    "Uwielbiam tę restaurację, jedzenie jest świetne!", "Obsługa klienta była rozczarowująca.", "Pogoda jest w porządku, nic szczególnego.",
    # Tagalog
    "Ang ganda ng lugar na ito, sobrang aliwalas!", "Hindi maganda ang serbisyo nila dito.", "Maayos lang ang palabas, walang espesyal.",
    # Dutch
    "Ik ben echt blij met mijn nieuwe aankoop!", "De klantenservice was echt slecht.", "De presentatie was gewoon oké, niet bijzonder.",
    # Malay
    "Saya suka makanan di sini, sangat sedap!", "Pengalaman ini sangat mengecewakan.", "Hari ini cuacanya biasa sahaja.",
    # Korean
    "이 가게의 케이크는 정말 맛있어요!", "서비스가 너무 별로였어요.", "날씨가 그저 그렇네요.",
    # Swiss German
    "Ich find dä Service i de Beiz mega guet!", "Däs Esä het mir nöd gfalle.", "D Wätter hüt isch so naja."
]

for text, sentiment in zip(texts, predict_sentiment(texts)):
    print(f"Text: {text}\nSentiment: {sentiment}\n")