react-native-transformers 的安装和配置教程
项目基础介绍
react-native-transformers 是一个开源项目,它允许开发者直接在 React Native 和 Expo 应用程序中运行 Hugging Face 的变压器模型,实现设备端推理。这意味着应用程序可以在不发送数据到外部服务器的情况下生成文本、回答问题以及处理语言,从而提高隐私保护、减少延迟,并支持离线功能。
该项目主要使用 JavaScript 编程语言,并依赖于 React Native 和 ONNX Runtime。
项目使用的关键技术和框架
- React Native:一个用于构建原生移动应用的 JavaScript 框架。
- ONNX Runtime:一个高性能的跨平台机器学习推理引擎,用于在移动设备上执行模型。
- Hugging Face Transformers:一个提供预训练变压器模型和模型托管的平台。
安装和配置准备工作
在开始安装 react-native-transformers 之前,请确保您已经准备好了以下环境:
- Node.js 和 npm:用于安装项目依赖。
- React Native 开发环境:包括 React Native CLI 或 Expo。
- 对于 React Native CLI 项目,确保您已经链接了必要的原生模块。
安装步骤
1. 安装依赖
首先,您需要安装 onnxruntime-react-native 的 peer dependencies:
npm install onnxruntime-react-native
然后,安装 react-native-transformers:
对于 React Native 项目:
npm install react-native-transformers
对于 Expo 项目:
npx expo install react-native-transformers
2. 平台配置
对于 React Native CLI 项目,您需要链接 onnxruntime-react-native 库:
npx react-native link onnxruntime-react-native
对于 Expo 项目,您需要在 app.json 或 app.config.js 中添加 Expo 插件配置:
{
"expo": {
"plugins": [
"onnxruntime-react-native"
]
}
}
3. Babel 配置
添加 babel-plugin-transform-import-meta 插件到您的 Babel 配置中:
// babel.config.js
module.exports = {
// ...您现有的配置
plugins: [
// ...您现有的插件
"babel-plugin-transform-import-meta"
]
};
之后,运行以下命令来清除 Metro bundler 缓存:
npx expo start --clear
4. 开发环境设置
由于 ONNX Runtime 和 react-native-transformers 包含原生代码,开发测试时需要使用开发客户端而不是 Expo Go。
您可以使用以下方法之一设置开发客户端:
- EAS Development Build:使用 EAS Build 创建自定义开发客户端。
- Expo Prebuild:弹出为裸机工作流以访问原生代码。
按照这些步骤操作后,您就可以开始使用 react-native-transformers 在您的 React Native 或 Expo 应用程序中运行变压器模型了。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00