Transformers.js 使用教程
2026-01-17 08:46:25作者:魏献源Searcher
项目介绍
Transformers.js 是一个基于 JavaScript 的开源库,允许用户在浏览器中直接运行预训练的机器学习模型。这个项目由 Hugging Face 提供支持,旨在让前端开发者能够轻松地集成和使用先进的自然语言处理(NLP)模型。
项目快速启动
安装
首先,你需要通过 npm 安装 Transformers.js:
npm install @xenova/transformers
基本使用
以下是一个简单的示例,展示如何在 JavaScript 中使用 Transformers.js 进行情感分析:
import { pipeline } from '@xenova/transformers';
async function analyzeSentiment() {
let pipe = await pipeline('sentiment-analysis');
let out = await pipe('I love transformers!');
console.log(out); // [{'label': 'POSITIVE', 'score': 0.999817686}]
}
analyzeSentiment();
应用案例和最佳实践
文本生成
使用 distilgpt2 模型进行文本生成:
let pipe = await pipeline('text-generation', 'distilgpt2');
let out = await pipe('Once upon a time');
console.log(out); // 生成的文本
问答系统
使用 distilbert-base-uncased-distilled-squad 模型进行问答:
let pipe = await pipeline('question-answering', 'distilbert-base-uncased-distilled-squad');
let out = await pipe({
question: 'What is the capital of France?',
context: 'Paris is the capital of France.'
});
console.log(out); // {'answer': 'Paris', 'score': 0.9998}
典型生态项目
Hugging Face Hub
Transformers.js 与 Hugging Face Hub 紧密集成,允许用户直接从 Hub 下载和使用各种预训练模型。这为开发者提供了丰富的资源和灵活性。
Gradio
Gradio 是一个用于快速创建和共享机器学习模型界面的库。结合 Transformers.js,你可以创建交互式的 Web 应用,让用户实时体验模型的功能。
通过以上内容,你应该能够快速上手并开始使用 Transformers.js 进行各种自然语言处理任务。
登录后查看全文
热门项目推荐
相关项目推荐
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
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0188- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
awesome-zig一个关于 Zig 优秀库及资源的协作列表。Makefile00
热门内容推荐
最新内容推荐
5个实战技巧:用langchaingo构建企业级对话系统的全流程指南解锁模块化编辑:Milkdown框架的可扩展开发指南[技术专题] OpenWeChat消息处理:从核心原理到高级实践Dapr集群部署失败?5步实战指南助你快速定位并解决问题小爱音箱AI升级定制指南:从零开始的设备改造与功能扩展Vanna AI训练数据效率提升实战指南:从数据准备到模型优化全流程解析打造现代界面新范式:Glass Liquid设计理念与实践指南PandaWiki部署实战:从环境准备到系统优化全指南4个步骤掌握Claude AI应用容器化部署:claude-quickstarts项目Docker实践指南4个高效步骤:Pixelle-Video API集成与开发实战指南
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
598
4.03 K
Ascend Extension for PyTorch
Python
440
531
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
920
768
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
368
247
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.46 K
822
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
112
168
暂无简介
Dart
844
204
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
130
156