Transformers 库：统一模型定义与推理训练入口

定位与作用

Transformers 是 Hugging Face 的模型定义框架，覆盖文本、计算机视觉、音频、视频和多模态模型，同时支持推理与训练。按原文说法，它把模型定义集中起来，使同一份定义在生态内达成一致：只要某个模型定义被支持，就能与多数训练框架（Axolotl、Unsloth、DeepSpeed、FSDP、PyTorch-Lightning 等）、推理引擎（vLLM、SGLang、TGI 等）以及相邻建模库（llama.cpp、mlx 等）配合使用。

Hugging Face Hub 上标注使用该库的模型检查点数量超过 100 万个。

环境与安装

原文给出的前提是 Python 3.11+ 与 PyTorch 2.6+。建议先用 venv 或 uv 创建并激活虚拟环境，再安装带 torch 扩展的包（transformers[torch]）。若需最新改动或参与贡献，可从源码克隆后安装，但原文提示最新版本未必稳定，遇到问题可提交 issue。

快速上手

高层推理接口是 Pipeline，支持文本、音频、视觉和多模态任务，负责输入预处理并返回相应输出。示例中以 task="text-generation" 指定模型进行文本生成，模型会被下载并缓存以便复用。对话场景用法相同，区别是需要构造包含 system 与 user 角色的消息列表；示例还展示了用 dtype 与 device_map 参数加载指令模型。原文另提到，在 transformers serve 运行时可从命令行直接与模型对话。文中还附有语音识别、图像分类和视觉问答的示例片段。

适用与不适用

原文强调的优势包括：统一的预训练模型 API、较低使用门槛、共享权重以减少重复训练开销，以及可在 PyTorch/JAX/TF2.0 之间迁移同一模型。

同时原文明确其边界：该库并非神经网络积木式的模块化工具箱，模型文件中的代码有意不做额外抽象，便于研究者逐个迭代模型；训练 API 针对 Transformers 提供的 PyTorch 模型优化，通用机器学习循环应改用 Accelerate 等库。

引用

README 给出 2020 年 EMNLP 系统演示论文的 BibTeX 条目，用于引用该库。