Hugging Face 课程怎么开始学15 分钟搭好 Transformers 学习环境的两条路线【免费下载链接】courseThe Hugging Face course on Transformers项目地址: https://gitcode.com/gh_mirrors/cou/course晚上十点你终于下定决心这个周末要把 Transformers 啃下来。你打开 Hugging Face 课程的第一章看到一行from transformers import pipeline满怀期待地按下运行——结果屏幕弹出一行刺眼的红字ModuleNotFoundError。别急着怀疑自己。绝大多数人在第一天放弃不是因为内容难而是因为环境没就绪。工具没搭好再精彩的课程也读不进去。而把环境搞定其实只要 15 分钟——下面就是完整的操作路径。出发之前先看一眼这份 12 章地图这门课程The Hugging Face course on Transformers完全免费开源从第 0 章的 Setup 一路讲到第 12 章的训练推理模型。所有章节文件都组织在chapters/目录下英文原版在chapters/en简体中文译本在chapters/zh-CN。先看地图你才知道每天学完该往哪儿走第 01 章建立直觉pipeline 是什么、编码器与解码器如何分工、Transformer 架构长什么样第 23 章上手实操用 Transformers 库加载模型与分词器并用 Trainer API 完成一次微调第 46 章生态三件套Hub 模型库、Datasets 数据处理、Tokenizers 分词器第 7 章任务实战命名实体识别、翻译、摘要、问答、从零训练因果语言模型第 89 章工程能力报错排查、论坛求助技巧以及用 Gradio 把模型变成可分享的 Demo第 1012 章进阶方向Argilla 数据标注、LLM 微调SFT 与 LoRA、GRPO 推理模型课程里每章都配有随堂测验第 1 章结束还有认证考试入口如果你习惯看视频subtitles/目录下还整理了配套视频字幕。这是一条有明确里程碑的路而你的第一步就是先把环境跑通。上面这张图出自第 12 章GRPO 的架构流程。它代表这条学习路径的终点——从跑通一个 pipeline一路升级到亲手实现推理模型的训练。千里之行先从这个命令行开始。先抄作业5 分钟速查清单不想看长篇分析直接复制下面两条最小方案任选其一就能开跑。云端推荐第一次接触的同学——在笔记本的第一个单元格里执行!pip install transformers[sentencepiece]本地电脑上已经有 Python 3.8——依次执行python -m venv .venv source .venv/bin/activate pip install transformers[sentencepiece]装完任意一条跑一句冒烟测试import transformers print(transformers.__version__)能打印出版本号环境就算及格了。至于为什么要带[sentencepiece]这个后缀——它会一并装好处理文本所需的分词器依赖避免你学到第 6 章时才发现缺组件。两条路线具体怎么选看下面三个问题。三个问题决定你走哪条路不需要纠结回答三个问题即可你的电脑有没有独立显卡没有或不确定直接选云端把训练交给远程 GPU有两条路都行。接下来两小时能保持联网吗能选云端可能断网或网速差选本地更稳。只是先试试水还是打算长期学试水选云端零成本长期建议本地彻底掌控环境。一句话总结新手追求零配置 → 云端进阶想要完全可控 → 本地。两条路并不互斥很多人是云端入门、本地进阶。下面分别给出可照抄的步骤。云端路线三步在浏览器里开跑第一步新建笔记本。打开云端笔记本服务新建一个 Python 笔记本把它重命名成hf-course。第二步安装核心依赖。在第一个单元格输入上面的安装命令并运行。第一次安装需要一两分钟属于正常节奏。第三步启用 GPU 并冒烟测试。在菜单里找到修改 → 笔记本设置 → 硬件加速器选择 GPU然后运行import transformers验证安装。⚠️ 一个必须知道的机制云端每次断开重连后运行时都会重置已装的库会消失。这不是你的操作失误而是设计如此——所以请把安装命令固定在笔记本的第一个单元格让每次连接都自动重装。本地路线五步给项目建一个隔离舱第一步确认 Python 版本。运行python --version确保是 3.8 及以上。第二步创建项目目录与虚拟环境mkdir nlp-projects cd nlp-projects python -m venv .venv第三步激活虚拟环境source .venv/bin/activate激活后运行which python看到路径指向.venv目录就说明成功。第四步安装依赖pip install transformers[sentencepiece]第五步把依赖清单存档pip freeze requirements.txt这份文件就是你的环境身份证以后换机器、换项目一条pip install -r requirements.txt即可还原。为什么一定要用虚拟环境打个比方全局 Python 环境像公共宿舍你装一个库可能挤掉室友的另一个库虚拟环境则是独立单间每个项目各住各的互不打扰。之后升级库、装框架都在激活后的虚拟环境里操作。想离线精读课程原文可以把仓库克隆到本地git clone https://gitcode.com/gh_mirrors/cou/course再按requirements.txt装好依赖用utils/generate_notebooks.py一键把章节里的代码提取成 Jupyter notebook边看边跑非常顺手。环境就绪后先跑通一个冒烟测试环境搭好不等于万事大吉还要验证整条链路。运行下面这段代码from transformers import pipeline classifier pipeline(sentiment-analysis) classifier(I love this course!)如果输出结果是 positive正面情感恭喜——环境、模型下载、推理链路全部打通你已经具备跟着第 1 章继续走的资格。注意第一次运行会自动下载模型需要几十秒到几分钟属正常现象别中途关掉。四个高频翻车点与急救方案报错ModuleNotFoundError→ 大概率装错了环境。运行which python确认解释器路径指向你激活的那个虚拟环境然后重装。装完 A 库B 库坏了→ 版本冲突的典型症状。用虚拟环境加requirements.txt锁定版本升级前先pip freeze留个快照。云端重连后库全部消失→ 云端是临时运行时不是你的电脑。把安装命令放在笔记本开头让它每次自动执行。模型下载超时或卡住→ 先换一个小模型如 distilbert 系列验证流程再换大模型也可以提前把模型缓存到本地。最后送你一条心法报错信息里的最后一行才是真正的原因。学会读它比背十篇教程都管用。最后环境只是门槛课程才是正文一句话总结环境搭建是 15 分钟的事不该占用你 15 天。现在就可以做三件事花 5 分钟用上面的速查清单跑通pipeline冒烟测试打开课程第 1 章跟着示例把情感分析这个 demo 玩出花样把这次踩过的坑记下来——第 8 章会教你如何把报错讲清楚、如何写出高质量的提问那时你记录的素材就是最好的起点。把环境准备好剩下的交给好奇心。祝你在 Transformers 的世界里玩得开心。【免费下载链接】courseThe Hugging Face course on Transformers项目地址: https://gitcode.com/gh_mirrors/cou/course创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Hugging Face 课程怎么开始学？15 分钟搭好 Transformers 学习环境的两条路线
Hugging Face 课程怎么开始学15 分钟搭好 Transformers 学习环境的两条路线【免费下载链接】courseThe Hugging Face course on Transformers项目地址: https://gitcode.com/gh_mirrors/cou/course晚上十点你终于下定决心这个周末要把 Transformers 啃下来。你打开 Hugging Face 课程的第一章看到一行from transformers import pipeline满怀期待地按下运行——结果屏幕弹出一行刺眼的红字ModuleNotFoundError。别急着怀疑自己。绝大多数人在第一天放弃不是因为内容难而是因为环境没就绪。工具没搭好再精彩的课程也读不进去。而把环境搞定其实只要 15 分钟——下面就是完整的操作路径。出发之前先看一眼这份 12 章地图这门课程The Hugging Face course on Transformers完全免费开源从第 0 章的 Setup 一路讲到第 12 章的训练推理模型。所有章节文件都组织在chapters/目录下英文原版在chapters/en简体中文译本在chapters/zh-CN。先看地图你才知道每天学完该往哪儿走第 01 章建立直觉pipeline 是什么、编码器与解码器如何分工、Transformer 架构长什么样第 23 章上手实操用 Transformers 库加载模型与分词器并用 Trainer API 完成一次微调第 46 章生态三件套Hub 模型库、Datasets 数据处理、Tokenizers 分词器第 7 章任务实战命名实体识别、翻译、摘要、问答、从零训练因果语言模型第 89 章工程能力报错排查、论坛求助技巧以及用 Gradio 把模型变成可分享的 Demo第 1012 章进阶方向Argilla 数据标注、LLM 微调SFT 与 LoRA、GRPO 推理模型课程里每章都配有随堂测验第 1 章结束还有认证考试入口如果你习惯看视频subtitles/目录下还整理了配套视频字幕。这是一条有明确里程碑的路而你的第一步就是先把环境跑通。上面这张图出自第 12 章GRPO 的架构流程。它代表这条学习路径的终点——从跑通一个 pipeline一路升级到亲手实现推理模型的训练。千里之行先从这个命令行开始。先抄作业5 分钟速查清单不想看长篇分析直接复制下面两条最小方案任选其一就能开跑。云端推荐第一次接触的同学——在笔记本的第一个单元格里执行!pip install transformers[sentencepiece]本地电脑上已经有 Python 3.8——依次执行python -m venv .venv source .venv/bin/activate pip install transformers[sentencepiece]装完任意一条跑一句冒烟测试import transformers print(transformers.__version__)能打印出版本号环境就算及格了。至于为什么要带[sentencepiece]这个后缀——它会一并装好处理文本所需的分词器依赖避免你学到第 6 章时才发现缺组件。两条路线具体怎么选看下面三个问题。三个问题决定你走哪条路不需要纠结回答三个问题即可你的电脑有没有独立显卡没有或不确定直接选云端把训练交给远程 GPU有两条路都行。接下来两小时能保持联网吗能选云端可能断网或网速差选本地更稳。只是先试试水还是打算长期学试水选云端零成本长期建议本地彻底掌控环境。一句话总结新手追求零配置 → 云端进阶想要完全可控 → 本地。两条路并不互斥很多人是云端入门、本地进阶。下面分别给出可照抄的步骤。云端路线三步在浏览器里开跑第一步新建笔记本。打开云端笔记本服务新建一个 Python 笔记本把它重命名成hf-course。第二步安装核心依赖。在第一个单元格输入上面的安装命令并运行。第一次安装需要一两分钟属于正常节奏。第三步启用 GPU 并冒烟测试。在菜单里找到修改 → 笔记本设置 → 硬件加速器选择 GPU然后运行import transformers验证安装。⚠️ 一个必须知道的机制云端每次断开重连后运行时都会重置已装的库会消失。这不是你的操作失误而是设计如此——所以请把安装命令固定在笔记本的第一个单元格让每次连接都自动重装。本地路线五步给项目建一个隔离舱第一步确认 Python 版本。运行python --version确保是 3.8 及以上。第二步创建项目目录与虚拟环境mkdir nlp-projects cd nlp-projects python -m venv .venv第三步激活虚拟环境source .venv/bin/activate激活后运行which python看到路径指向.venv目录就说明成功。第四步安装依赖pip install transformers[sentencepiece]第五步把依赖清单存档pip freeze requirements.txt这份文件就是你的环境身份证以后换机器、换项目一条pip install -r requirements.txt即可还原。为什么一定要用虚拟环境打个比方全局 Python 环境像公共宿舍你装一个库可能挤掉室友的另一个库虚拟环境则是独立单间每个项目各住各的互不打扰。之后升级库、装框架都在激活后的虚拟环境里操作。想离线精读课程原文可以把仓库克隆到本地git clone https://gitcode.com/gh_mirrors/cou/course再按requirements.txt装好依赖用utils/generate_notebooks.py一键把章节里的代码提取成 Jupyter notebook边看边跑非常顺手。环境就绪后先跑通一个冒烟测试环境搭好不等于万事大吉还要验证整条链路。运行下面这段代码from transformers import pipeline classifier pipeline(sentiment-analysis) classifier(I love this course!)如果输出结果是 positive正面情感恭喜——环境、模型下载、推理链路全部打通你已经具备跟着第 1 章继续走的资格。注意第一次运行会自动下载模型需要几十秒到几分钟属正常现象别中途关掉。四个高频翻车点与急救方案报错ModuleNotFoundError→ 大概率装错了环境。运行which python确认解释器路径指向你激活的那个虚拟环境然后重装。装完 A 库B 库坏了→ 版本冲突的典型症状。用虚拟环境加requirements.txt锁定版本升级前先pip freeze留个快照。云端重连后库全部消失→ 云端是临时运行时不是你的电脑。把安装命令放在笔记本开头让它每次自动执行。模型下载超时或卡住→ 先换一个小模型如 distilbert 系列验证流程再换大模型也可以提前把模型缓存到本地。最后送你一条心法报错信息里的最后一行才是真正的原因。学会读它比背十篇教程都管用。最后环境只是门槛课程才是正文一句话总结环境搭建是 15 分钟的事不该占用你 15 天。现在就可以做三件事花 5 分钟用上面的速查清单跑通pipeline冒烟测试打开课程第 1 章跟着示例把情感分析这个 demo 玩出花样把这次踩过的坑记下来——第 8 章会教你如何把报错讲清楚、如何写出高质量的提问那时你记录的素材就是最好的起点。把环境准备好剩下的交给好奇心。祝你在 Transformers 的世界里玩得开心。【免费下载链接】courseThe Hugging Face course on Transformers项目地址: https://gitcode.com/gh_mirrors/cou/course创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考