如何高效学习人工智能？

AI Agent是2025年的热点话题，特别是生成式人工智能更是给AI Agent提供了更大的机遇。随着chatGPT的爆火，生成式人工智能成为当下最火的创业项目。对于像人工智能大模型而已，其本质还是基于BERT发展起来的，现阶段大模型微调和预训练已经不是很难的技术了。对于想学习人工智能的同学而言，不在像以前需要掌握pyTorch、tensorflow、神经网络、线性知识、矩阵知识等众多枯燥的基础知识了。

     如果你经常关注人工智能发展的话，Hugging Face这个平台应该不会很陌生，它是大模型的托管平台可以在这个平台上找到全世界80%的开源大模型，同时可以在这个平台上进行试验和运行这些大模型。Hugging Face提供了一个Python库，可以轻松下载和训练最先进的预训练模型。使用这些预训练模型可以降低计算成本和碳足迹，并节省从头开始训练模型的时间，这个模型就是Hugging Face TransFormers。虽然transFormers和transFormer一字之差，但是它们属于是不同的概念。TransFormer是由谷歌团队在 2017 年的论文《Attention Is All You Need》里提出的一种深度学习模型架构。而TransFormers指的是 Hugging Face 公司开发的一个 Python 库，全称为 “transformers”。该库提供了对各种基于 Transformer 架构的预训练模型的支持，并为开发者提供了方便快捷的方式来使用和微调这些模型。

    Hugging Face Transformers 由 Hugging Face 公司开发，是一款功能强大的 Python 库，其正式名称为 “transformers”。在自然语言处理和深度学习领域，熟练运用该库，是开启人工智能研究与实践大门的重要一步。​

    要深入掌握 Hugging Face Transformers 库，需要系统学习一系列关键知识。其中，pipeline 模块封装了各类自然语言处理任务，极大简化了操作流程；datasets 库则提供了丰富的数据集加载与预处理工具。分词器用于将文本分割成模型可处理的单元，是文本处理的基础环节。此外，掌握模型的加载与保存，能有效管理和复用训练好的模型；理解模型的训练和微调机制，可针对特定任务优化模型性能，使模型在实际应用场景中发挥出最佳效果。