快乐变压器

happytransformer.com

---

快乐变压器让微调和推理 NLP 变压器模型变得简单易行。

即将发布的 4.0.0 版本

4.0.0 版本正处于开发的最后阶段。 它是对整个库的一次彻底重写，包含许多新功能。 由于存在一些破坏性变更，我们建议您在依赖项中将版本设置为 <4.0.0。

任务

任务	推理	训练
文本生成	✔	✔
文本分类	✔	✔
单词预测	✔	✔
问答	✔	✔
文本到文本	✔	✔
下一句预测	✔
标记分类	✔

注意：单词预测、问答、下一句预测和标记分类已被弃用。

安装

pip install "happytransformer<4.0.0"

维护者

• Eric Fillion 首席维护者
• Ted Brownlow 维护者

教程文章

文本分类（训练）

T5 模型排行榜

语法纠正

微调语法纠正模型

教程视频

带训练的文本生成（GPT-Neo）

文本分类（仇恨言论检测）

文本分类（情感分析）

带训练的单词预测（DistilBERT、RoBERTa）

Happy Transformer 快速上手指南

Happy Transformer 是一个简化 NLP Transformer 模型微调（Fine-tuning）和推理（Inference）的 Python 库。它支持文本生成、分类、问答等多种任务。

注意：版本 4.0.0 正在进行重大重构并包含破坏性更新。本指南基于当前稳定的 3.x 版本，请在依赖中指定版本低于 4.0.0。

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows
• Python 版本：推荐 Python 3.7 - 3.9
• 前置依赖：
  • pip (Python 包管理工具)
  • PyTorch (Happy Transformer 底层依赖，安装时会自动处理，但需确保系统支持 CUDA 若需 GPU 加速)

2. 安装步骤

标准安装

使用 pip 直接安装指定版本（兼容最新版 3.x）：

pip install "happytransformer<4.0.0"

国内加速安装（推荐）

如果您在中国大陆地区，建议使用国内镜像源以提升下载速度和稳定性：

pip install "happytransformer<4.0.0" -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 基本使用

Happy Transformer 的核心优势在于极简的 API。以下以**文本分类（Text Classification）**为例，展示如何加载预训练模型并进行推理。

示例：情感分析推理

from happytransformer import HAPPYClassification

# 初始化分类器
# task_type: 任务类型 (CLF=分类, GEN=生成, WP=词预测等)
# model_name: Hugging Face 模型名称
happy_clf = HAPPYClassification(model_name="distilbert-base-uncased-finetuned-sst-2-english")

# 执行推理
text = "I love using Happy Transformer!"
result = happy_clf.predict(text)

print(result)
# 输出示例：ClassificationResult(label='POSITIVE', score=0.99...)

支持的任务类型

初始化时可通过 task_type 参数切换不同任务：

任务类型	代码常量	说明
文本生成	GEN	类似 GPT 的续写任务
文本分类	CLF	情感分析、垃圾邮件检测等
词预测	WP	完形填空 (Masked LM)
问答	QA	基于上下文回答问题
文本到文本	TTG	翻译、摘要、改写 (T5 系列)

简单切换任务示例（文本生成）：

from happytransformer import HAPPYGeneration

happy_gen = HAPPYGeneration()

output = happy_gen.generate_text("Once upon a time", min_length=50)
print(output.text)

如需进行模型微调（Training），只需调用 .train() 方法并传入训练数据文件路径即可，API 设计风格与推理保持一致。