Hugging Face的Transformers库入门：如何加载预训练的BERT模型？

Face的库是NLP（自然语言处理）领域中非常受欢迎的一个库。它提供了许多预训练的模型如BERT、GPT-2、、XLNet、T5等，以及这些模型的各种变种。

这个库的主要特点有：

例如，如果想使用BERT模型进行句子分类，使用库会非常简单。

以下是一个简单的示例来展示如何加载预训练的BERT模型：

from transformers import BertTokenizer, BertForSequenceClassification
import torch
# 加载 Tokenizer 和预训练的 BERT 分类模型
tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')
model = BertForSequenceClassification.from_pretrained('bert-base-uncased')
# 为句子编码
inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")
# 获取模型输出
outputs = model(**inputs)
# 输出是模型的logits
logits = outputs.logits
# 可以进一步转化为softmax输出得到分类概率
probs = torch.nn.functional.softmax(logits, dim=-1)
print(probs)

这只是一个简单的例子，库的功能远不止于此。如果你对具体的用途或如何使用有更多的问题，欢迎访问《 Face 轻松入门》专栏。