python-transformers常用的pipline和常用模型介绍

transformers库提供了许多预训练模型和pipeline，可以用于各种自然语言处理任务，如文本分类、命名实体识别、情感分析、问答等 。其中一些常用的pipeline包括：

feature-extraction：获得文本的向量化表示
fill-mask：填充被遮盖的词、片段
ner：命名实体识别
question-answering：自动问答
sentiment-analysis：情感分析
summarization：自动摘要
text-generation：文本生成
translation：机器翻译
zero-shot-classification：零训练样本分类

transformers库提供了许多预训练模型，可以用于各种自然语言处理任务。这些模型可以分为几类，包括：

语音识别模型：Bert、RoBERTa、DistilBERT等
机器翻译模型：MarianMT、T2T、Roberta等
命名实体识别模型：BERT、RoBERTa、XLM等
文本分类模型：BERT、RoBERTa、XLM等
问答模型：BERT、RoBERTa等