5分钟 NLP ：Hugging Face 主要类和函数介绍 🤗

主要包括Pipeline, Datasets, Metrics, and AutoClasses

HuggingFace是一个非常流行的 NLP 库。本文包含其主要类和函数的概述以及一些代码示例。可以作为该库的一个入门教程 。

Hugging Face 是一个开源库，用于构建、训练和部署最先进的 NLP 模型。Hugging Face 提供了两个主要的库，用于模型的transformers 和用于数据集的datasets 。可以直接使用 pip 安装它们。

1. pip install transformers datasets

Pipeline

使用transformers库中的Pipeline是开始试验的最快和最简单的方法：通过向Pipeline对象提供任务名称，然后从 Hugging Face 模型存储库中自动下载合适的模型，然后就可以使用了！

transformers库中已经提供了以下的几个任务，例如：

• 文本分类
• 问答
• 翻译
• 文本摘要
• 文本生成

除此以外还有计算机视觉和音频任务（主要也是基于transformer的）

下面是一个情绪分析任务的例子。为了预测句子的情绪，只需将句子传递给模型。

1. from transformers import pipeline
3. classifier = pipeline("sentiment-analysis")
5. results = classifier("I'm so happy today!")
6. print(f"{results[0]['label']} with score {results[0]['score']}")
7. # POSITIVE with score 0.9998742341995239

模型的输出是一个字典列表，其中每个字典都有一个标签（对于这个特定示例，值为“POSITIVE”或“NEGATIVE”）和一个分数（即预测标签的分数）。

可以为分类器提供多个句子，并在一个函数调用中获得所有结果。

完整文章：

https://www.overfit.cn/post/5cd4f89120724b129fc3d17039cb78a0