#Hugging Face Transformers 完整教程

欢迎来到 Hugging Face 教程。首页卡片叫 Hugging Face，正文聚焦 Transformers 库与 Hub（模型 / 数据集 / Spaces）。内容依据 Transformers 官方文档 与 huggingface/transformers 整理，帮你从推理走到微调与分享。

Transformers 是文本、视觉、音频、视频与多模态的模型定义框架；Hub 上有 100 万+ 检查点。本教程示例一律用未门控（ungated） 小模型，避免 Llama 等许可证墙挡住第一次运行。

---

#教程目录

#基础篇

1. Hugging Face 简介 — Hub、Transformers、生态，以及和本站 PyTorch / Ollama 的分工
2. 安装与环境 — venv、PyTorch、transformers、hf auth login，GPU 可选
3. 快速上手 — 用 pipeline 做分类或生成

#核心 API

4. Pipeline 推理 — 任务表，文本 / 视觉 / 音频示例
5. Tokenizer 与模型 — AutoTokenizer、AutoModelForCausalLM、编码解码
6. 文本生成 — generate()、贪婪 vs 采样、max_new_tokens

#数据与训练

7. Datasets 数据集 — load_dataset、map、DataCollator
8. 微调训练 — Trainer + rotten_tomatoes，或小因果 LM 的 LoRA
9. Hub 模型库 — 搜模型、模型卡、push_to_hub、Spaces 预告

#实战篇

10. 实战案例 — 情感分析、无 RAG 小聊天、微调提纲
11. 资源与延伸阅读 — 官方文档与本站相关课程

---

#学习路径

#本教程选用的模型（均可公开下载）

#和本站其他课程的关系

• 张量与训练循环：先看本站 PyTorch 教程，再回来用 Transformers 的 Trainer / generate()。
• 只想本地聊天：本站 Ollama 教程 更省事；本课面向研究、微调、自定义流水线。
• 编码 Agent：Hugging Face Skills（SKILL.md）可让 Cursor / Claude Code 代操作 Hub，不是本课主路径。

#前置知识

• Python 3.10+ 基础（函数、虚拟环境）
• 了解「预训练 → 微调 → 推理」即可；不必先会手写 Transformer
• 有 GPU 更好，但分类与 tiny 生成可在 CPU 上完成

#学习建议

1. 按目录顺序做，每一章都有可运行代码
2. 第一次下载会走 Hub 缓存，请预留磁盘
3. 遇到门控模型先换本课列出的 ungated 检查点
4. 微调前先读模型卡上的许可与显存提示
5. 编码 Agent 可用 Hugging Face Skills，但请先亲手跑通 Pipeline

---

#下一步

• Hugging Face 简介
• 安装与环境
• 快速上手