Lokalisierter Leseleitfaden

transformers-jsZweck, Verwendung und Quelle

VerwendenTransformers.jsum hochmoderne Modelle des maschinellen Lernens direkt auszuführenJavaScript/TypeScript.Unterstützt NLP (Textklassifizierung, Übersetzung, Zusammenfassung), Computer Vision (Bildklassifizierung, Objekterkennung), Audio (Spracherkennung, Audioklassifizierung) und multimodale Aufgaben. Funktioniert in Browsern und serverseitigen Laufzeitumgebungen (Node.js, Bun, Deno) mitWebGPU/WASMunter Verwendung vortrainierter Modelle von Hugging Face Hub.

Quelle abgerufen: 2026-10-29

Quell-Repository: huggingface/skills
SKILL.md: skills/transformers-js/SKILL.md
Repository-Sterne: 11,241
Repository zuletzt aktualisiert: 2026-10-30
Fähigkeitskategorien: Entwicklung
Letzte Datenerfassung: 2026-10-31 10:38 UTC+08:00

Lizenz: Apache-2.0

Original SKILL.md

Die Workflow-Auszüge dienen als Lesehilfe und sind keine ausführbaren Anweisungen von Codez. Für die Erstellung dieser Seite wurde keine Drittanbieter-Skill verwendet.

Die folgenden Abschnitte zu Zweck und Arbeitsablauf sind vorgelagertes Material, das zur besseren Lesbarkeit aufbereitet und übersetzt wurde. Sie unterscheiden sich von der separat gekennzeichneten redaktionellen Analyse von Codez.

Was diese Fähigkeit bewirkt

Wie der vorgelagerte Workflow funktioniert

WebGPU-Nutzung

WebGPU bietet GPU-Beschleunigung in Browsern und serverseitigen Laufzeitumgebungen (sofern unterstützt): Hinweis: Verwenden Siewebgpuwenn verfügbar und zurückgreifen aufWASM/CPUwenn dies in der aktuellen Laufzeitumgebung nicht unterstützt wird.

Aufwärtspassage · L495 ↗

Wann man diese Fähigkeit einsetzen sollte

Nutzen Sie diese Fähigkeit, wenn Sie: ML-Modelle für Textanalyse, -generierung oder -übersetzung in JavaScript ausführen; Bildklassifizierung, Objekterkennung oder -segmentierung durchführen; Spracherkennung oder Audioverarbeitung implementieren.

Aufwärtspassage · L17 ↗

Transformers.js- Maschinelles Lernen für JavaScript

Transformers.jsermöglicht die Ausführung modernster Machine-Learning-Modelle direkt in JavaScript auf verschiedenen Browsern und serverseitigen Laufzeitumgebungen (Node.js, Bun, Deno), ohne dass ein Python-Server erforderlich ist.

Aufwärtspassage · L13 ↗

Anforderungen und Einrichtung

Kompatibilität

ErfordertNode.js 18+ (oder kompatibel)Bun/DenoWebGPU erfordert Laufzeitumgebung und Hardwareunterstützung; WASM ist die gängige Alternative. Für den Download von Modellen vom Hugging Face Hub ist ein Internetzugang erforderlich (optional bei Verwendung lokaler Modelle).

Aufwärtspassage · L1 ↗

Umgebungskonfiguration (`env`)

DerenvDas Objekt bietet umfassende Kontrolle überTransformers.jsAusführung, Caching und Modellladen. Eine vollständige Dokumentation zu allen Konfigurationsoptionen, Caching-Strategien, Cache-Verwaltung, dem Vorab-Herunterladen von Modellen und mehr finden Sie hier:

Aufwärtspassage · L370 ↗

Aufwärtspassage · bash ↗

npm install @huggingface/transformers

Grenzwerte und Qualitätskontrollen

Aus dieser Datei wurde kein separater Grenzwertabschnitt ausgewählt. Dies bedeutet nicht, dass die Anwendung für jede Eingabe oder Umgebung geeignet ist. Überprüfen Sie den vollständigen Quellcode und validieren Sie Ihr Ergebnis selbst.

Beginnen Sie mit einem sicheren Testlauf

Prüfen Sie den unterstützten Host und die Installationsanweisungen für das Repository. Halten Sie das Skill-Verzeichnis und die darin enthaltenen Skripte, Assets und Dokumentationen zusammen;SKILL.mdEine Einzelperson kann Abhängigkeiten außer Acht lassen.
Geben Sie dem Agenten Ihre tatsächlichen Eingaben, die gewünschten Ausgaben und die Akzeptanzkriterien an. Aufrufsyntax und verfügbare Tools hängen vom Hostsystem ab; diese Website geht nicht von einem universellen Installationsbefehl aus.
Testen Sie den Quellworkflow in einem temporären Projekt oder auf einer Kopie. Überprüfen Sie Vorgänge, die Dateien, Remote-Dienste oder abrechnungsfähige Ressourcen ändern, bevor Sie diese zulassen.
Überprüfen Sie die Ausgabe anhand der Quellqualitätsprüfungen und Ihrer eigenen Anforderungen. Ein erfolgreicher Trigger oder eine hohe Anzahl von Sternen im Repository garantiert kein korrektes Ergebnis.

Spezifikation des Kompetenzformats und des Verzeichnisses ↗

Lesen Sie mehr dazu in der Quelle.

Übersetzung und Umfang

Dieser Leseleitfaden wählt Passagen aus dem markierten stromaufwärts gelegenen Abschnitt aus.SKILL.mdDie Übersetzung wurde unterstützt. Es handelt sich weder um ein vollständiges Handbuch noch um eine Garantie für geprüfte Kompatibilität. Lesen Sie vor der Verwendung das Original und die darin referenzierten Dateien.

Diese Einleitung bezieht sich auf die unten angepinnte Version; die aktuelle Repository-Aktivität und der Erfassungszeitpunkt werden separat angezeigt.

Angeheftete Quelle: Lesen Sie das Original ↗
Quelle abgerufen: 2026-10-29T09:32:23Z
Source-Commit: fabc634a893f62ad5c2039830397efa35fa62715
Quelle SHA-256: 241ef15a39acbdf1d610acab683c0f76500d7c021c9c0303e6bb2c751ac3d395

Zurück zum vollständigen Kompetenzkatalog