Hugging Face 工具集快速使用入门及中文任务示例

视频课程：https://www.bilibili.com/video/BV1a44y1H7Jc
视频课程补充篇：https://www.bilibili.com/video/BV1Cr4y1V7mF

运行环境：
python=3.6
torch=1.10.1（CPU）
transformers=4.18.0
datasets=2.4.0

Huggingface_Toturials 快速上手指南

本指南旨在帮助中国开发者快速搭建 Huggingface 工具集环境，并运行基础的中文任务示例。

1. 环境准备

在开始之前，请确保您的系统满足以下基础要求：

• 操作系统：Windows / Linux / macOS
• Python 版本：3.6
• 硬件建议：CPU 即可运行（本指南基于 CPU 版本 PyTorch），若有 GPU 可加速推理过程

2. 安装步骤

推荐使用国内镜像源（如清华源）以加快依赖包下载速度。请在终端或命令行中依次执行以下命令：

创建并激活虚拟环境（可选但推荐）

python -m venv hf_env
# Windows
hf_env\Scripts\activate
# Linux/macOS
source hf_env/bin/activate

安装指定版本的依赖

pip install torch==1.10.1+cpu -f https://download.pytorch.org/whl/torch_stable.html
pip install transformers==4.18.0 datasets==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：请严格遵循上述版本号，以确保与教程代码兼容。

3. 基本使用

安装完成后，您可以直接运行仓库中的示例代码。以下是一个最简单的文本分类任务示例（基于中文）：

from transformers import pipeline

# 加载预训练的中文文本分类模型
classifier = pipeline("sentiment-analysis", model="uer/roberta-base-finetuned-jd-binary-chinese")

# 进行预测
result = classifier("这家餐厅的味道非常好，服务也很周到！")
print(result)

预期输出：

[{'label': 'positive', 'score': 0.999...}]

更多学习资源

• 基础视频课程：https://www.bilibili.com/video/BV1a44y1H7Jc
• 补充篇视频课程：https://www.bilibili.com/video/BV1Cr4y1V7mF

现在您已经成功搭建了环境并完成了第一个 AI 任务，可以进一步探索仓库中的其他中文任务示例。