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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00