Pipeline de Feature Extraction în Transformers: Extragerea Reprezentărilor Latente în Hugging Face Hub & Transformers

Obținerea stărilor ascunse ale ultimului strat sau a token-ului CLS direct din pipeline-ul de nivel înalt.

Sintaxă & invocare Python
from transformers import pipeline
extractor = pipeline('feature-extraction', model='bert-base-uncased')

Pipeline-ul feature-extraction oferă o modalitate rapidă de a extrage tensorii de activare ai oricărui model Transformer fără a construi manual bucle de tokenizare și inferență PyTorch.

Exemplu de utilizare

from transformers import pipeline

extractor = pipeline("feature-extraction", model="dumitrescustefan/bert-base-romanian-cased-v1")
rezultat = extractor("Manual de instruire inteligență artificială.")

# rezultat are dimensiunea [1, secvență_tokeni, dimensiune_ascunsă]
print(f"Număr tokeni: {len(rezultat[0])}")
print(f"Dimensiune vector: {len(rezultat[0][0])}")

Ideal pentru prototipare rapidă și compararea reprezentărilor interne între diferite arhitecturi.

Învață AI • Comunitate & Q&A

Întrebări & Exemple practice: Pipeline de Feature Extraction în Transformers: Extragerea Reprezentărilor Latente

Ai o întrebare despre Pipeline de Feature Extraction în Transformers: Extragerea Reprezentărilor Latente sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!

🤖

Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!

Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.

Comunitate AI Adaugă o întrebare sau distribuie un cod / prompt

Moderare & Siguranță:

Pentru a menține calitatea și securitatea informațiilor, fiecare întrebare sau fragment de cod/prompt este analizat (manual sau prin moderare asistată de AI) înainte de publicare.