AI 学习笔记

主流AI助手

图像生成工具

Hugging Face

Hugging Face是AI领域最大的开源社区和模型托管平台，被称为"AI领域的GitHub"。

Hugging Face提供的内容

• 模型（Models）：数十万个预训练模型，涵盖NLP、CV、音频等多个领域
• 数据集（Datasets）：数千个公开数据集，方便下载和使用
• Spaces：在线演示空间，可以快速部署和展示AI应用
• Transformers库：最流行的深度学习库之一，提供统一的API加载各种模型

使用Hugging Face的基本步骤

Python代码示例

from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM
import torch

# 方法1：使用pipeline快速使用（最简单）
classifier = pipeline("sentiment-analysis", model="uer/roberta-base-finetuned-jd-binary-chinese")
result = classifier("这个产品质量非常好，推荐购买！")
print(result)  # [{'label': 'positive', 'score': 0.98}]

# 方法2：加载具体模型（更灵活）
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen2.5-7B-Instruct")
model = AutoModelForCausalLM.from_pretrained(
    "Qwen/Qwen2.5-7B-Instruct",
    torch_dtype=torch.float16,
    device_map="auto"
)

messages = [
    {"role": "system", "content": "你是一个有帮助的AI助手。"},
    {"role": "user", "content": "用一句话介绍什么是机器学习。"}
]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer([text], return_tensors="pt").to(model.device)

outputs = model.generate(**inputs, max_new_tokens=100)
response = outputs[0][inputs.input_ids.shape[-1]:]
print(tokenizer.decode(response, skip_special_tokens=True))

开源 vs 闭源模型

主流开源模型

• Llama 3（Meta）：性能优异，社区活跃
• Qwen2.5（阿里巴巴）：中文能力强，多模态支持
• GLM-4（智谱AI）：中文优化，长上下文
• Mistral（Mistral AI）：欧洲代表，高效架构
• DeepSeek（深度求索）：推理能力强，性价比高

AI编程工具对比