# Installation Transformers fonctionne avec [PyTorch](https://pytorch.org/get-started/locally/). Il a été testé sur Python 3.11+ et PyTorch 2.6+. ## Environnement virtuel [uv](https://docs.astral.sh/uv/) est un gestionnaire de paquets et de projets Python basé sur Rust, extrêmement rapide, qui requiert par défaut un [environnement virtuel](https://docs.astral.sh/uv/pip/environments/) pour gérer différents projets et éviter les problèmes de compatibilité entre les dépendances. Il peut être utilisé comme substitut direct de [pip](https://pip.pypa.io/en/stable/), mais si vous préférez utiliser pip, supprimez `uv` des commandes ci-dessous. > [!TIP] > Consultez la documentation d'[installation](https://docs.astral.sh/uv/guides/install-python/) de uv pour installer uv. Créez un environnement virtuel pour y installer Transformers. ```bash uv venv .env source .env/bin/activate ``` ## Python Installez Transformers avec la commande suivante. [uv](https://docs.astral.sh/uv/) est un gestionnaire de paquets et de projets Python rapide, basé sur Rust. Pour installer Transformers avec PyTorch pour GPU NVIDIA (CUDA), installez les pilotes CUDA appropriés pour [PyTorch](https://pytorch.org/get-started/locally). Exécutez la commande ci-dessous pour vérifier si votre système détecte un GPU NVIDIA. ```bash nvidia-smi ``` ```bash uv pip install "transformers[torch]" ``` Pour installer Transformers avec PyTorch sur des appareils NVIDIA Spark (tels qu'un ordinateur portable RTX Spark) exécutant ARM64, installez PyTorch à partir de l'index PyPI de NVIDIA. Ces appareils nécessitent les versions ARM64 de PyTorch fournies par NVIDIA, qui ne sont pas disponibles sur l'index PyPI par défaut ni sur l'index standard des paquets PyTorch. Exécutez la commande ci-dessous pour vérifier si votre système détecte un GPU NVIDIA. ```bash nvidia-smi ``` Installez PyTorch depuis l'index PyPI de NVIDIA, puis installez Transformers. ```bash uv pip install torch --index-url https://pypi.nvidia.com uv pip install transformers ``` Pour installer une version CPU uniquement de Transformers, exécutez la commande suivante. ```bash uv pip install torch --index-url https://download.pytorch.org/whl/cpu uv pip install transformers ``` Pour installer Transformers avec PyTorch pour GPU Intel (XPU), installez les [pilotes GPU Intel (XPU) pour PyTorch](https://www.intel.com/content/www/us/en/developer/articles/tool/pytorch-prerequisites-for-intel-gpu/2-13.html) appropriés et ajoutez l'URL d'index PyTorch pour GPU Intel (XPU). Après avoir installé les pilotes, exécutez la commande ci-dessous pour [vérifier si votre système détecte un GPU Intel](https://dgpu-docs.intel.com/driver/verification.html). ```bash xpu-smi ``` ```bash uv pip install "transformers[torch]" --extra-index-url https://download.pytorch.org/whl/xpu ``` Testez si l'installation a réussi avec la commande suivante. Elle doit retourner un libellé et un score pour le texte fourni. ```bash python -c "from transformers import pipeline; print(pipeline('sentiment-analysis')('hugging face is the best'))" [{'label': 'POSITIVE', 'score': 0.9998704791069031}] ``` ### Installation depuis la source L'installation depuis le code source installe la version *la plus récente* plutôt que la version *stable* de la bibliothèque. Elle garantit que vous disposez des modifications les plus à jour de Transformers et est utile pour expérimenter avec les dernières fonctionnalités ou corriger un bug qui n'a pas encore été officiellement publié dans la version stable. L'inconvénient est que la dernière version n'est pas toujours stable. Si vous rencontrez des problèmes, veuillez ouvrir un [GitHub Issue](https://github.com/huggingface/transformers/issues) afin que nous puissions le corriger dans les plus brefs délais. Installez à partir du code source avec la commande suivante. ```bash uv pip install git+https://github.com/huggingface/transformers ``` Vérifiez que l'installation a réussi à l'aide de la commande ci-dessous. Elle doit retourner un libellé et un score pour le texte fourni. ```bash python -c "from transformers import pipeline; print(pipeline('sentiment-analysis')('hugging face is the best'))" [{'label': 'POSITIVE', 'score': 0.9998704791069031}] ``` ### Installation modifiable Une [installation en mode édition](https://pip.pypa.io/en/stable/topics/local-project-installs/#editable-installs) est utile si vous développez localement avec Transformers. Elle associe votre copie locale de Transformers au [dépôt](https://github.com/huggingface/transformers) Transformers au lieu de copier les fichiers. Les fichiers sont ajoutés au chemin d’importation de Python. ```bash git clone https://github.com/huggingface/transformers.git cd transformers uv pip install -e . ``` > [!WARNING] > Vous devez conserver le dossier local Transformers pour continuer à l'utiliser. Mettez à jour votre version locale de Transformers avec les dernières modifications du dépôt principal à l'aide de la commande suivante. ```bash cd ~/transformers/ git pull ``` ## conda [conda](https://docs.conda.io/projects/conda/en/stable/#) est un gestionnaire de paquets indépendant du langage. Installez Transformers depuis le canal [conda-forge](https://anaconda.org/conda-forge/transformers) dans votre nouvel environnement virtuel. ```bash conda install conda-forge::transformers ``` ## Configuration Après l'installation, vous pouvez configurer l'emplacement du cache de Transformers ou configurer la bibliothèque pour une utilisation hors ligne. ### Répertoire de cache Lorsque vous chargez un modèle préentraîné avec [from_pretrained()](/docs/transformers/v5.23.0/fr/main_classes/model#transformers.PreTrainedModel.from_pretrained), le modèle est téléchargé depuis le Hub et mis en cache localement. Si vous transmettez un hachage de commit, Transformers utilise le cache local pour les fichiers de ce commit et ne reconsulte pas le Hub pour chacun d’entre eux (y compris les fichiers dont l’absence est connue). C’est le comportement par défaut lorsqu’aucune révision n’est spécifiée. Si vous passez une branche ou une étiquette, Transformers contacte le Hub une seule fois au début du chargement pour sélectionner le commit, puis utilise le cache de la même manière pour les fichiers de ce commit. Le répertoire par défaut défini par la variable d'environnement du shell `HF_HUB_CACHE` est `~/.cache/huggingface/hub`. Sur Windows, le répertoire par défaut est `C:\Users\username\.cache\huggingface\hub`. Mettre un modèle en cache dans un répertoire différent en modifiant le chemin dans les variables d'environnement shell suivantes (classées par ordre de priorité). 1. [HF_HUB_CACHE](https://hf.co/docs/huggingface_hub/package_reference/environment_variables#hfhubcache) (par défaut) 2. [HF_HOME](https://hf.co/docs/huggingface_hub/package_reference/environment_variables#hfhome) 3. [XDG_CACHE_HOME](https://hf.co/docs/huggingface_hub/package_reference/environment_variables#xdgcachehome) + `/huggingface` (uniquement si `HF_HOME` n'est pas défini) ### Mode hors ligne Pour utiliser Transformers dans un environnement hors ligne ou protégé par un pare-feu, il est nécessaire de télécharger et de mettre en cache les fichiers à l'avance. Téléchargez un dépôt de modèle depuis le Hub à l'aide de la méthode [snapshot_download](https://huggingface.co/docs/huggingface_hub/v2.4.0/en/package_reference/file_download#huggingface_hub.snapshot_download). > [!TIP] > Reportez-vous au guide [Télécharger des fichiers depuis le Hub](https://hf.co/docs/huggingface_hub/guides/download) pour plus d'options de téléchargement de fichiers depuis le Hub. Vous pouvez télécharger des fichiers depuis des révisions spécifiques, télécharger depuis le CLI et même filtrer les fichiers à télécharger depuis un dépôt. ```py from huggingface_hub import snapshot_download snapshot_download(repo_id="meta-llama/Llama-2-7b-hf", repo_type="model") ``` Définissez la variable d'environnement `HF_HUB_OFFLINE=1` pour empêcher les appels HTTP au Hub lors du chargement d'un modèle. Une autre option pour ne charger que les fichiers en cache consiste à définir `local_files_only=True` dans [from_pretrained()](/docs/transformers/v5.23.0/fr/main_classes/model#transformers.PreTrainedModel.from_pretrained). ```py from transformers import LlamaForCausalLM model = LlamaForCausalLM.from_pretrained("./path/to/local/directory", local_files_only=True) ``` Le mode hors ligne (ou `local_files_only=True`) peut toujours convertir une branche ou un tag en commit si un chargement en ligne antérieur a enregistré cette correspondance dans le cache. Si la correspondance n’a jamais été enregistrée, Transformers conserve la branche ou le tag demandé et poursuit avec le chargement hors ligne standard. Vous obtenez les mêmes correspondances de cache ou erreurs de fichier manquant qu’avec un chargement hors ligne normal.