كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةموسوعة أطر ومكتبات الذكاء الاصطناعيمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

Hugging Face Transformers

🤗 Transformers

المكتبة المرجعية لنماذج المحوّلات المدربة مسبقاً في النص والرؤية والصوت، مع آلاف النماذج على Hugging Face Hub.

نشطةمتوسطv5.24.0Apache-2.0معالجة اللغات الطبيعية والنماذج اللغويةالذكاء الاصطناعي التوليديالرؤية الحاسوبية ومعالجة الصور

الوثائق الرسميةجرّب الأمثلة

المعلومات الأساسية

الاسمHugging Face Transformers
الاسم الكامل🤗 Transformers
التصنيفمعالجة اللغات الطبيعية والنماذج اللغوية
الجهة المطورةHugging Face
سنة الإطلاق2018
الموقع الرسميgithub.com/huggingface/transformers
مستودع GitHubhuggingface/transformers
الوثائق الرسميةغير محدد
الحزمة على PyPItransformers
الترخيصApache-2.0 (PyPI license)
حالة المشروعنشطة صدر لها إصدار خلال آخر 12 شهراً
آخر إصدار21 نوفمبر 2026 (الإصدار 5.24.0)
لغة البرمجةPython
أنظمة التشغيلOS Independent (كما تعلنها الحزمة على PyPI)
إصدار Python المطلوب>=3.11.0
مستوى الصعوبةمتوسط

آخر تحقق من هذه البيانات: 21 نوفمبر 2026 — المصدر: PyPI JSON API (2026-11-21)

نظرة عامة

توفر Transformers واجهة موحدة لتحميل النماذج المدربة مسبقاً (BERT وGPT وT5 وLlama وViT وWhisper وغيرها) ومقطّعاتها عبر AutoModel وAutoTokenizer، وواجهة pipeline للمهام الجاهزة، وTrainer للضبط الدقيق.

بدأت عام 2018 باسم pytorch-pretrained-bert ثم توسعت. تعمل أساساً مع PyTorch، وتتكامل مع PEFT وTRL وAccelerate للضبط الدقيق الفعال، وتضم نماذج عربية منشورة على Hub مثل نماذج AraBERT وCAMeLBERT (تحقق من بطاقة كل نموذج وترخيصه).

متى تختارها؟ اخترها للعمل مع النماذج المدربة مسبقاً في النص والرؤية والصوت وضبطها.

الاستخدامات

الاستخدامات الرئيسية

  • تصنيف النصوص والتعرف على الكيانات
  • الترجمة والتلخيص وتوليد النص
  • الضبط الدقيق للنماذج اللغوية
  • نماذج الرؤية والصوت المبنية على المحوّلات

المجالات العلمية

  • معالجة اللغة
  • الرؤية
  • الصوت
  • النماذج متعددة الوسائط

أنواع المشاريع المناسبة

  • مصنف مشاعر عربي
  • نظام أسئلة وأجوبة
  • ضبط نموذج لغوي على بيانات متخصصة

تطبيقات بحثية

  • الضبط الدقيق لنماذج مدربة مسبقاً على مهام بحثية
  • مقارنة النماذج اللغوية على مجموعات بيانات عربية

معالجة اللغة الطبيعيةالنماذج اللغوية الكبيرةمعالجة اللغة العربيةمحوّلات الرؤيةالضبط الدقيق للنماذج اللغويةالتضمينات والبحث الدلالي

الخصائص التقنية

تُعرض الخاصية «مدعومة» فقط إذا كانت موثقة في الوثائق الرسمية للمكتبة؛ وما لم نتحقق منه يظهر «غير محدد».

دعم المعالج المركزي (CPU)مدعوم
دعم المعالج الرسومي (GPU)مدعوم
التوافق مع CUDAمدعوم
التدريب أو الحوسبة الموزعةمدعومعبر Accelerate وDeepSpeed وFSDP.
الاشتقاق التلقائي (Autodiff)مدعومعبر PyTorch.
نشر النماذج (Deployment)جزئي أو عبر إضافةتصدير إلى ONNX عبر Optimum، أو الخدمة عبر vLLM وغيره.
نماذج مدربة مسبقاًمدعوم
أنواع البيانات المدعومةنصوص، صور، صوت، موترات PyTorch
التكامل مع مكتبات أخرىPyTorch، Tokenizers، PEFT، TRL، Sentence Transformers، Hugging Face Diffusers، vLLM
المرونة (تقدير تحريري)عالية
الأداء (تقدير تحريري)جيدة، وأعلى مع أدوات الخدمة المتخصصة
المجتمع (تقدير تحريري)ضخم
جودة التوثيق (تقدير تحريري)توثيق ودورات رسمية

التثبيت والتشغيل

Shell
pip install transformers

ثبّت PyTorch أولاً حسب جهازك.

التوافق: Python >=3.11.0 — حسب بيانات الحزمة على PyPI، تحقق في 21 نوفمبر 2026

يُفضّل التثبيت داخل بيئة افتراضية (venv أو conda). وإذا احتجت توافقاً مع إصدار معين من CUDA أو نظام التشغيل فارجع إلى الوثائق الرسمية، لأن هذه المعلومات تتغير مع كل إصدار.

أمثلة برمجية

الأمثلة الموسومة «نُفّذ واختُبر» شُغّلت فعلياً وسُجّل مخرجها وتاريخ الاختبار وإصدارات المكتبات؛ وغيرها يحتاج GPU أو تنزيل نماذج فلم يُشغّل في بيئة الاختبار.

مبتدئتصنيف المشاعر بـ pipeline في Transformersغير منفّذ

الهدف: تحميل نموذج مدرب وتصنيف جمل بسطرين.

Python — example.py
from transformers import pipeline

clf = pipeline("sentiment-analysis", model="distilbert/distilbert-base-uncased-finetuned-sst-2-english")
print(clf(["I love this library!", "The documentation is confusing."]))

شرح الكود

pipeline يجمع المقسّم والنموذج والمعالجة اللاحقة. يحتاج الكود اتصالاً بالإنترنت لتنزيل النموذج من Hugging Face Hub أول مرة. لم نستطع تنفيذه في بيئة الاختبار لعدم توفر الاتصال بالمستودع، لذلك لا نعرض مخرجاً.

المتطلبات

Shell
pip install transformers torch

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

لم يُنفّذ هذا المثال في بيئة الاختبار: يحتاج تنزيل نموذج من Hugging Face Hub (غير متاح في بيئة الاختبار) راجعه على وثائق المكتبة قبل الاعتماد عليه.

صفحة المثال
متقدمبناء نموذج GPT-2 مصغر من إعداد دون تنزيلنُفّذ واختُبر

الهدف: فهم بنية النموذج اللغوي في Transformers وتمرير مدخلات وحساب الخسارة.

Python — example.py
import math, torch
from transformers import GPT2Config, GPT2LMHeadModel

torch.manual_seed(0)
cfg = GPT2Config(vocab_size=1000, n_positions=64, n_embd=64, n_layer=2, n_head=4)
model = GPT2LMHeadModel(cfg)
ids = torch.randint(0, 1000, (2, 16))
out = model(input_ids=ids, labels=ids)
print("عدد المعاملات:", sum(p.numel() for p in model.parameters()))
print("شكل logits:", tuple(out.logits.shape))
print(f"الخسارة: {out.loss.item():.3f} | ln(1000) = {math.log(1000):.3f}")

شرح الكود

ننشئ GPT2Config بأبعاد صغيرة ونبني GPT2LMHeadModel بأوزان عشوائية، فلا نحتاج اتصالاً. تمرير labels يجعل النموذج يحسب خسارة التنبؤ بالرمز التالي داخلياً. الخسارة الأولية قريبة من ln(حجم المفردات) لأن النموذج غير مدرب.

المتطلبات

Shell
pip install transformers torch

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

المخرجات المسجلة عند الاختبار

عدد المعاملات: 168192
شكل logits: (2, 16, 1000)
الخسارة: 6.922 | ln(1000) = 6.908

نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — transformers 5.24.0, torch 2.15.0, python 3.13.18

صفحة المثال

كل أمثلة Hugging Face Transformers في مستكشف الأكواد

المزايا

  • أكبر منظومة نماذج مدربة مسبقاً
  • واجهة موحدة لمهام كثيرة

القيود

  • النماذج الكبيرة تتطلب ذاكرة GPU كبيرة
  • تغيرات متكررة في الواجهات بين الإصدارات الرئيسية

المراجع والتحقق

سجل الإصدارات المتحقق منها

الإصدارتاريخ الإصدارتاريخ التحقق
5.24.021 نوفمبر 202621 نوفمبر 2026

آخر مراجعة لمعلومات الصفحة: 21 نوفمبر 2026. الوصف العربي مكتوب أصلياً للموسوعة وليس منقولاً من المواقع الرسمية.

أبلغ عن معلومة تحتاج تحديثاً