背景1

现在在AI行业               ，什么最火？计算机视觉还是自然语言处理？其实不得不说 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，现在nlp很火               。 还有人记得上个月很多科技爱好者都在玩的chatgpt么？那个就是nlp技术的一大应用 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
。 现在都在觉得AI赚钱













，工资高
  
  
  
  
  
  
  
 ，然后很多人都想做一些事情  
  
  
  
  
  
  
 、很多企业都想做一些事情 
  
  
  
  
  
  
 ，和AI挂钩的













。 现在AI里面算是比较有活力的 


 


 


 


 


 


 


 
，就是nlp领域
  
  
  
  
  
  
  
 。

背景2

经常能看到一些读者在群里问：

“现在nlp方面的包
 
 
 
 
 
 
 
，应该用什么？  
  
  
  
  
  
  
 ” “现在想做一个文本分类的代码  
   
   
   
   
   
   
  ，而且我还要求是中文的 

 

 

 

 

 

 

 
，我应该怎么实现呢？ 
  
  
  
  
  
  
  ” “现在想做中文的文本搜索

 

 

 

 

 

 

 
，想做问答机器人               ，我怎么实现呢？


 


 


 


 


 


 


 

” “现在想做一些更加高级的东西 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，比如文本纠错 
  
  
  
  
  
  
  、文本摘要等














，应该怎么实现呢？“  
 
 
 
 
 
 
”我想学习pytorch                      ，想要了解python关于AI方面的应用 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，我应该看什么源码呢？“ “我现在想做文本搜图





















，我现在想做让文本写唐诗               ，我应该怎么研究呢？  
   
   
   
   
   
   
   ” …还有更多

so？

如果我告诉你 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，你的大部分任务













，可能就几行代码就搞定了
  
  
  
  
  
  
  
 ，你会相信吗？ 如果我告诉你 
  
  
  
  
  
  
 ，就算是你想训练符合你自己数据的模型 


 


 


 


 


 


 


 
，也就是简单的导入数据即可 
  
  
  
  
  
  
 。无需调整什么参数 


 


 


 


 


 


 


 
。训练完
 
 
 
 
 
 
 
，即可直接发布  
   
   
   
   
   
   
  ，你会相信吗？ 当然 

 

 

 

 

 

 

 
，如果你像我一样

 

 

 

 

 

 

 
，希望可以自己定义模型               ，自己开发模型 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，想要二次创作














，但是苦于找不到学习案例                      ，苦于不知道怎么改 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，那你可真得看看我接下来要推荐的东西了
 
 
 
 
 
 
 
。

总而言之





















，如果你对python


 


 


 


 


 


 


 

、pytorch 
 
 
 
 
 
 
、机器学习  
   
   
   
   
   
   
   、nlp技术（文本挖掘

 

 

 

 

 

 

 
、文本分类
 

 

 

 

 

 

 

、文本生成               、文本搜索
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 、问答机器人














、搜索等）                      、计算机视觉
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 、语音识别等领域感兴趣               ，或者想做一些类似的工具  
   
   
   
   
   
   
  。

这里需要说明一下：

如果是python小白





















、nlp小白的话 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，还是建议看看这个包













，起码是一个非常重要的包 

 

 

 

 

 

 

 
。在未来
  
  
  
  
  
  
  
 ，遇到这个方向的时候 
  
  
  
  
  
  
 ，起码有解决方案

 

 

 

 

 

 

 
。 如果是python               、nlp高级开发者 


 


 


 


 


 


 


 
，可以看看这两个包的源码               。他的代码设计还是非常优秀的 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
。可以学到不少知识点














。

ok

那么
 
 
 
 
 
 
 
，接下来  
   
   
   
   
   
   
  ，我将分享一个在GitHub上拥有7.8万个star的明星python包————transformers

这个包将会打包你的所有困惑和焦虑 

 

 

 

 

 

 

 
，带你走上nlp不归路                      。

正文

多说无益

 

 

 

 

 

 

 
，直接秀肌肉

1. 文本分类

大部分人在nlp中遇到的第一个任务               ，就是文本分类 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
。

下面是实用3行代码 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，就调用了一个开源模型














，并且做到了情感分析（本质上就是文本分类                      ，只不过是从情感维度 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，分析这句话是消极还是积极）

from transformers import pipeline classifier = pipeline(sentiment-analysis) classifier(We are very love chinese) #>>> [{label: POSITIVE, score: 0.9997429251670837}]

可以看出





















，就几行代码：

第一行代码导入一个类               ，也就相当于一个管道





















。 第二行代码是将pipeline设置为情感分析模式               。 把需要分析的文本 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，传递给这个分类器classifier













，然后就输出结论了 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
。

给人的感觉就是即开即用
  
  
  
  
  
  
  
 ，就是这么简单













。

可是这个时候 
  
  
  
  
  
  
 ，就有人问了：

可以对中文做情感分类么（或者叫文本分类）？ 这个准确率怎么样？效果好么？ 我可以做一个自己的分类器么？用自己的数据？

当然可以 


 


 


 


 


 


 


 
，而且也是比较简单的
  
  
  
  
  
  
  
 。鉴于篇幅问题
 
 
 
 
 
 
 
，这里只是把大纲分享出来  
   
   
   
   
   
   
  ，并且附上简单的代码：

1.1.加载数据

from datasets import load_dataset imdb = load_dataset("imdb")

1.2.预处理

#load tokenizer from transformers import AutoTokenizer tokenizer = AutoTokenizer.from_pretrained("distilbert-base-uncased") def preprocess_function(examples): return tokenizer(examples["text"], truncation=True) # process data tokenized_imdb = imdb.map(preprocess_function, batched=True) # padding from transformers import DataCollatorWithPadding data_collator = DataCollatorWithPadding(tokenizer=tokenizer)

1.3.评估器

import evaluate accuracy = evaluate.load("accuracy") import numpy as np def compute_metrics(eval_pred): predictions, labels = eval_pred predictions = np.argmax(predictions, axis=1) return accuracy.compute(predictions=predictions, references=labels)

1.4.开始训练

from transformers import AutoModelForSequenceClassification, TrainingArguments, Trainer model = AutoModelForSequenceClassification.from_pretrained( "distilbert-base-uncased", num_labels=2, id2label=id2label, label2id=label2id ) training_args = TrainingArguments( output_dir="my_awesome_model", learning_rate=2e-5, per_device_train_batch_size=16, per_device_eval_batch_size=16, num_train_epochs=2, weight_decay=0.01, evaluation_strategy="epoch", save_strategy="epoch", load_best_model_at_end=True, push_to_hub=True, ) trainer = Trainer( model=model, args=training_args, train_dataset=tokenized_imdb["train"], eval_dataset=tokenized_imdb["test"], tokenizer=tokenizer, data_collator=data_collator, compute_metrics=compute_metrics, ) trainer.train()

1.5.总结

可以看出来 

 

 

 

 

 

 

 
，整体上非常简单：加载数据
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 、设置预处理














、处理数据  
  
  
  
  
  
  
 、训练即可 
  
  
  
  
  
  
 。但是这么简单的东西

 

 

 

 

 

 

 
，还有人不知道               ，因此我觉得还是很有必要分享出来的 


 


 


 


 


 


 


 
。 （当然 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，我也不是无脑的就是说这个包非常好














，这个包就一定上手简单                      ，那是不可能的
 
 
 
 
 
 
 
。只是说这个包相对于别的包来说 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，更好用  
   
   
   
   
   
   
  。）上面的代码虽然简单





















，但是如果你不了解其中的原理和细节               ，很难搞懂 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，也就很难用起来 

 

 

 

 

 

 

 
。也就是说













，我们要用巧劲
  
  
  
  
  
  
  
 ，才能以柔克刚 
  
  
  
  
  
  
 ，驱动这个大家伙

 

 

 

 

 

 

 
。不然你会感觉这玩意怎么这么难用               。 因此 


 


 


 


 


 


 


 
，我会在后面会分享一些详细的 
  
  
  
  
  
  
  、完整的教程
 
 
 
 
 
 
 
，可以期待一下  
   
   
   
   
   
   
  ，关注公众号「统计学人」

2.文本纠错

如果你之前见过文本分类 

 

 

 

 

 

 

 
，那你可能感觉上面的案例没什么意思

 

 

 

 

 

 

 
，别急往下看 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
。 如果你之前连文本分类都不清楚               ，那你可能会对这个案例感觉更有意思














。

给你看个文本👇 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，3秒时间














，能不能找到错别字

“法国的首都是吧黎                      。

 

 

 

 

 

 

 
”

3

2

1

找到错别字了么？我猜测你肯定找到了                      ，吧这个字错了 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，应该是巴 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
。

当前





















，我使用简单的几行代码               ，就能找到这个错别字





















。不信？看看我这个这个代码 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，和结果               。

前置操作

这里把一些需要用到的包













，导入进来； 并且设置好具体的数据结构「方便大家可以看的更加清楚」 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
。 并且加载一个大模型













。 from dataclasses import dataclass from typing import List from transformers import pipeline unmasker = pipeline(fill-mask, model=bert-base-chinese) @dataclass class ErrorList: index: int error_char: str correct_char: List[str]

魔法代码

然后巧妙的使用大模型的一个任务fill-mask
  
  
  
  
  
  
  
 。基于这个任务
  
  
  
  
  
  
  
 ，做一些巧妙的设计 
  
  
  
  
  
  
 ，就可以完成文本纠错的任务 
  
  
  
  
  
  
 。

我这里把上面的句子放进来法国的首都是吧黎 


 


 


 


 


 


 


 
。. 然后放到函数里面 


 


 


 


 


 


 


 
，函数会输出句子的每一个错别字


 


 


 


 


 


 


 

、这个错别字在什么位置
 
 
 
 
 
 
 
，并且给到应该改为什么字
 
 
 
 
 
 
 
。 my_text = "法国的首都是吧黎  
   
   
   
   
   
   
  。" def find_error_character(text: str) -> List[ErrorList]: text_length = len(text) text_split = list(text) final_list = list() for _index in range(text_length): _list = text_split.copy() _list[_index] = [MASK] _str = .join(_list) res = unmasker(_str) parti_list = [i.get(token_str) for i in res] if text_split[_index] not in parti_list: _res = ErrorList( index=_index, error_char=text_split[_index], correct_char=parti_list) final_list.append(_res) return final_list find_error_character(my_text) # >>>[ErrorList(index=3, error_char=首, correct_char=[人, 大,   
   
   
   
   
   
   
  ，, 也, 酒]), # >>> ErrorList(index=6, error_char=吧, correct_char=[巴, 伦, 法, 波, 洛])]

结果解释 
 
 
 
 
 
 
、总结

结果解释 ：可以看出来 

 

 

 

 

 

 

 
，上面把两个可能的错别字找到了 

 

 

 

 

 

 

 
。一个是首

 

 

 

 

 

 

 
，一个是吧

 

 

 

 

 

 

 
。并且给到错别字所在的具体位置               ，并且给到正确的字是哪些(可能性越大的字 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，越靠前)               。

原理介绍 ：但是你说我们做了什么？好像就是使用了一个大模型bert-base-chinese的fill-mask模式














，然后随便写了段代码                      ，就拥有这些魔法 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，这难道不香么？

提升效果 ：当然





















，如果上面的效果你不满意               ，需要在你的数据上再拟合一下 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，其实也是非常简单的 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
。操作起来不复杂













，而且效果提升会很明显














。

3. 文本搜索

如果说
  
  
  
  
  
  
  
 ，上面的那个场景 
  
  
  
  
  
  
 ，大家见的不多 


 


 


 


 


 


 


 
，也是理解
 
 
 
 
 
 
 
，毕竟现在天天写文档的就不多了  
   
   
   
   
   
   
  ，更别说体验到文本纠错这个场景                      。

但是有个场景 

 

 

 

 

 

 

 
，大家每天都会使用

 

 

 

 

 

 

 
，那就是搜索🔍 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
。

大家经常在抖音搜索视频               ，输入的是文本





















。 大家经常在百度  
   
   
   
   
   
   
   、csdn

 

 

 

 

 

 

 
、谷歌
 

 

 

 

 

 

 

、stack overflow等搜索问题 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，输入的也是文本               。 大家经常在小红书               、淘宝














，搜索商品                      ，输入的也是文字 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
。

大家有想过 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，这背后的技术是怎么实现的呢？相当全面的解释





















，我不也不太懂













。这里只是介绍文本搜索方面的东西
  
  
  
  
  
  
  
 。

文本向量化

还记得机器学习里面的有一个非常经典的数据集——鸢尾花数据集么 
  
  
  
  
  
  
 。这个数据大概是有150条数据               ，三个品种 


 


 


 


 


 


 


 
。每一条数据记录了这个花瓣的宽度
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 、厚度














、长度等（好像是这3个维度 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，记不清楚了）
 
 
 
 
 
 
 
。反正这三个维度













，大家人眼是可以直观感受到的  
   
   
   
   
   
   
  。

还记得
  
  
  
  
  
  
  
 ，你自己的性别                      、你自己的年龄
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 、你自己来自哪里





















、在什么学校里面上学               、学的什么专业么？这些整理好表格 
  
  
  
  
  
  
 ，一个个维度贴出来 


 


 


 


 


 


 


 
，你也很清楚
 
 
 
 
 
 
 
，知道这些都是所谓的向量 

 

 

 

 

 

 

 
。

我们把思维拓展一下  
   
   
   
   
   
   
  ，现在有个黑盒子 

 

 

 

 

 

 

 
，可以把一串文本转换成一大串向量

 

 

 

 

 

 

 
。每一个数值代表一个意义               。虽然某数据的值表示的维度到底是什么

 

 

 

 

 

 

 
，我们也不清楚 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
。

想象着：

每一个文本在一个高维度空间中都有着他们自己的位置














。 如果两个文本               ，在这个高维度空间里面比较近 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，表示他们就是相似的                      。 如果两个文本














，在这个高维度空间里面比较远                      ，表示他们就是不相似的 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
。

在以前 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，其实也是这么处理的





















。唯一提升的就是现在这个黑盒子提取的特征更加准确





















，更加优秀               ，击败了之前的黑盒子               。

这里分享一个小的代码 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，就是上面提到的黑盒子,一起感受一下吧：

导入包

from typing import List, Union import numpy as np import pandas as pd import torch as t from transformers import AutoModel, AutoTokenizer

计算cos距离的函数

def numpy_cos_sim(a: np.ndarray, b: np.ndarray) -> np.ndarray: if len(a.shape) == 1: a = a.reshape(1, -1) if len(b.shape) == 1: b = b.reshape(1, -1) a_norm = a / np.linalg.norm(a, ord=2, axis=1).reshape(-1, 1) b_norm = b / np.linalg.norm(b, ord=2, axis=1).reshape(-1, 1) return np.matmul(a_norm, b_norm.T)

黑盒子模型

class TextVector: def __init__(self, model_name_or_path: str = None, device: str = "cuda:0") -> None: # 加载和处理模型, cuda self.model_name_or_path = model_name_or_path self.device = device self.tokenizer = AutoTokenizer.from_pretrained(self.model_name_or_path) self.batch_size = 100 self.model = AutoModel.from_pretrained(self.model_name_or_path) self.model.to(self.device) def encode_fun(self, texts: List[str]) -> np.ndarray: inputs = self.tokenizer.batch_encode_plus( texts, padding=True, truncation=True, return_tensors="pt", max_length=64) inputs.to(device=self.device) with t.no_grad(): embeddings = self.model(**inputs) embeddings = embeddings.last_hidden_state[:, 0] embeddings = embeddings.to(cpu).numpy() return embeddings

黑盒子模型的使用

在这里













，我们初始化这个黑盒子
  
  
  
  
  
  
  
 ，然后把一串文本放入这个黑盒子里面 
  
  
  
  
  
  
 ，发现输出了一个(4, 768)维度的向量 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
。那么这个向量 


 


 


 


 


 


 


 
，就是这串文本的向量化表示了

textvector = TextVector(model_name_or_path="hfl/chinese-roberta-wwm-ext") text1 = [计算机科学, 我爱统计学, 那个音乐真好听, 他唱的歌真的不错] text1_vector = textvector.encode_fun(text1) text1_vector.shape # >>> (4, 768)

把这个向量化打印出来
 
 
 
 
 
 
 
，长成这个样子：

# >>> array([[-0.01761765, 0.30379066, 0.79640263, ..., -0.35549787, # >>> -0.42488524, 0.23474628], # >>> [-0.0502945 , 0.4215444 , 0.18330751, ..., -0.7200883 , # >>> -0.44032276, -0.1382378 ], # >>> [ 0.20864306, 0.6202163 , -0.08560622, ..., -0.06069888, # >>> -0.18625183, -0.43429998], # >>> [ 0.11968233, 0.38393256, 0.19664326, ..., 0.1699293 , # >>> 0.02434621, -0.411282 ]], dtype=float32)

为了强调  
   
   
   
   
   
   
  ，把4个文本拎出来：[计算机科学, 我爱统计学, 那个音乐真好听, 他唱的歌真的不错]

这个时候 

 

 

 

 

 

 

 
，再计算上面的4个文本两两之间的相关性













。

numpy_cos_sim(text1_vector, text1_vector) # >>> array([[1.0000001 , 0.8569578 , 0.73208493, 0.7412211 ], # >>> [0.8569578 , 0.99999994, 0.7372216 , 0.7467295 ], # >>> [0.73208493, 0.7372216 , 0.9999997 , 0.9066033 ], # >>> [0.7412211 , 0.7467295 , 0.9066033 , 0.99999994]], dtype=float32)

可以发现：

计算机科学和我爱统计学相关性有0.85

 

 

 

 

 

 

 
，和那个音乐真好听相关性只有0.73. 那个音乐真好听和他唱的歌真的不错相关性在0.90左右
  
  
  
  
  
  
  
 。

想象一下               ，如果我们把上面的4个文本换成4亿条文本
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 、4000亿条文本 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，














，                      ， 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，





















，               ，在结合一些更加精细的处理 
  
  
  
  
  
  
 。那不就是一个庞大的搜索引擎么？

5. 更多

上面也就是transformers包的冰山一角 


 


 


 


 


 


 


 
。能做的实在是太多了 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，我这里就复制他自己写的介绍吧：

🤗 Transformers 提供了数以千计的预训练模型













，支持 100 多种语言的文本分类














、信息抽取  
  
  
  
  
  
  
 、问答 
  
  
  
  
  
  
  、摘要


 


 


 


 


 


 


 

、翻译 
 
 
 
 
 
 
、文本生成
 
 
 
 
 
 
 
。它的宗旨让最先进的 NLP 技术人人易用  
   
   
   
   
   
   
  。

🤗 Transformers 提供了便于快速下载和使用的API
  
  
  
  
  
  
  
 ，让你可以把预训练模型用在给定文本  
   
   
   
   
   
   
   、在你的数据集上微调然后通过 model hub 与社区共享 

 

 

 

 

 

 

 
。同时 
  
  
  
  
  
  
 ，每个定义的 Python 模块均完全独立 


 


 


 


 


 


 


 
，方便修改和快速研究实验

 

 

 

 

 

 

 
。

🤗 Transformers 支持三个最热门的深度学习库： Jax, PyTorch and TensorFlow — 并与之无缝整合               。你可以直接使用一个框架训练你的模型然后用另一个加载和推理 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
。

同时
 
 
 
 
 
 
 
，你还可以：

便于使用的先进模型：

NLU 和 NLG 上表现优越 对教学和实践友好且低门槛 高级抽象  
   
   
   
   
   
   
  ，只需了解三个类 对所有模型统一的API

更低计算开销 

 

 

 

 

 

 

 
，更少的碳排放：

研究人员可以分享已训练的模型而非每次从头开始训练 工程师可以减少计算用时和生产环境开销 数十种模型架构

 

 

 

 

 

 

 
、两千多个预训练模型
 

 

 

 

 

 

 

、100多种语言支持

对于模型生命周期的每一个部分都面面俱到：

训练先进的模型

 

 

 

 

 

 

 
，只需 3 行代码 模型在不同深度学习框架间任意转移               ，随你心意 为训练               、评估和生产选择最适合的框架 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，衔接无缝

为你的需求轻松定制专属模型和用例：

我们为每种模型架构提供了多个用例来复现原论文结果 模型内部结构保持透明一致 模型文件可单独使用














，方便魔改和快速实验

延伸

其实                      ，在nlp领域 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，python包千千万万个





















，数不胜数














。我们不可能把所有的包都用一遍               ，只要选择一个包 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，认真的去研究即可                      。这不就像是我们的人生么













，如果各个东西都只是浅尝辄止
  
  
  
  
  
  
  
 ，那注定是没有收获 
  
  
  
  
  
  
 ，选择一个东西即可 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
。

其实 


 


 


 


 


 


 


 
，前几年
 
 
 
 
 
 
 
，不还是那些分词
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 、词向量等传统模型更火么  
   
   
   
   
   
   
  ，这几年出现了bert














、transformers等大模型 

 

 

 

 

 

 

 
，让nlp发生翻天覆地的变化





















。这不就像是我们的生活么

 

 

 

 

 

 

 
，过去的2022年               ，变化莫测 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，最不缺的就是变化               。

各种变化层出不穷














，但是都离不开概率论                      、统计
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 、数学





















、计算机应用技术 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
。这不也是给我们指明了研究道路么：要研究本质的东西                      ，只有把本质的东西研究透 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，成果才能开出花来













。

最后

transformers包就像是pytorch               、tensorflow
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 、sklearn等包一样





















，内容相当庞大               ，功能丰富
  
  
  
  
  
  
  
 。

我这里也只能介绍他的一点点内容 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，如果对这个包感兴趣













，可以查看他的官网https://github.com/huggingface/transformers

我后面也会介绍更多关于transformers包的使用方法

介绍更多关于NLP的相关知识

我后面也会介绍更多python有趣的包

可以继续关注我「统计学人」