# Transformers

    

O Transformers atua como o framework de definição de modelos para modelos de aprendizado de máquina de última geração em texto, visão computacional, áudio, vídeo e modelos multimodais, tanto para inferência quanto para treinamento.

Ele centraliza a definição do modelo para que essa definição seja acordada em todo o ecossistema. `transformers` é o ponto de pivô entre os frameworks: se uma definição de modelo for suportada, ela será compatível com a maioria dos frameworks de treinamento (Axolotl, Unsloth, DeepSpeed, FSDP, PyTorch-Lightning, ...), motores de inferência (vLLM, SGLang, TGI, ...) e bibliotecas de modelagem adjacentes (llama.cpp, mlx, ...) que utilizam a definição do modelo do `transformers`.

Nosso compromisso é ajudar a apoiar novos modelos de última geração e democratizar seu uso, garantindo que a definição de seus modelos seja simples, personalizável e eficiente.

Há mais de 1 milhão de [model checkpoints](https://huggingface.co/models?library=transformers&sort=trending) de Transformers no [Hugging Face Hub](https://huggingface.com/models) que você pode usar.

Explore o [Hub](https://huggingface.com/) hoje para encontrar um modelo e use o Transformers para começar imediatamente.

Explore a [Models Timeline](./models_timeline) para descobrir as mais recentes arquiteturas de modelos de texto, visão, áudio e multimodais no Transformers.

## Recursos

O Transformers oferece tudo o que você precisa para inferência ou treinamento com modelos pré-treinados de última geração. Algumas das principais funcionalidades incluem:

- [Pipeline](./pipeline_tutorial): classe de inferência simples e otimizada para diversas tarefas de aprendizado de máquina, como geração de texto, segmentação de imagem, reconhecimento automático de fala, resposta a perguntas em documentos e muito mais.
- [Trainer](./trainer): um treinador abrangente que suporta recursos como precisão mista, torch.compile e FlashAttention para treinamento e treinamento distribuído de modelos PyTorch.
- [generate](./llm_tutorial): Geração rápida de texto com grandes modelos de linguagem (LLMs) e modelos de linguagem e visão (VLMs), incluindo suporte para streaming e múltiplas estratégias de decodificação.

## Design

> [!TIP]
> Leia nossa [Filosofia](./philosophy) para saber mais sobre os princípios de design do Transformers.

Transformers foi projetado para desenvolvedores e engenheiros e pesquisadores de machine learning. Seus principais princípios de design são:

1. Rápido e fácil de usar: cada modelo é implementado a partir de apenas três classes principais (configuração, modelo e pré-processador) e pode ser usado rapidamente para inferência ou treinamento com [Pipeline](/docs/transformers/main/pt/main_classes/pipelines#transformers.Pipeline) ou [Trainer](/docs/transformers/main/pt/main_classes/trainer#transformers.Trainer).
2. Modelos pré-treinados: Reduza sua pegada de carbono, o custo de computação e o tempo ao usar um modelo pré-treinado em vez de treinar um totalmente novo. Cada modelo pré-treinado é reproduzido o mais fielmente possível ao modelo original e oferece desempenho de estado da arte.

  
      
  

## Aprender

Se você está começando no Transformers ou deseja aprender mais sobre modelos de transformer, recomendamos começar pelo [curso de LLM](https://huggingface.co/learn/llm-course/chapter1/1?fw=pt). Este curso abrangente cobre tudo, desde os fundamentos de como os modelos de transformer funcionam até aplicações práticas em diversas tarefas. Você aprenderá o fluxo de trabalho completo, desde a curadoria de conjuntos de dados de alta qualidade até o ajuste fino de grandes modelos de linguagem e a implementação de capacidades de raciocínio. O curso contém exercícios teóricos e práticos para construir um conhecimento fundamental sólido sobre modelos de transformer à medida que você aprende.