Hugging Face 介紹了如何利用 Transformer 架構進行圖形分類(Graph Classification)。文章以微軟開發的 Graphormer 模型為例,展示如何處理非歐幾里得空間的圖形數據,並將其應用於預測分子特性等實際場景。讀者將學習如何利用 Hugging Face transformers 庫載入圖形數據集、進行特徵編碼並訓練圖形 Transformer 模型。
Hugging Face 官方宣佈與百度的開源深度學習平台 PaddlePaddle(飛槳)達成合作,正式將其引入 Hugging Face Hub 生態系。開發者現在可以直接在 Hub 上分享、探索和下載 PaddlePaddle 的模型。這項整合進一步擴大了 Hugging Face 的多框架支援版圖,為全球開發者提供更豐富的開源模型選擇,特別是在中文 NLP 和 OCR 等 PaddlePaddle 強勢的領域。
本指南為 Hugging Face 深度強化學習課程的第一章。文章系統性地介紹了強化學習(RL)的核心架構,包含 Agent 與環境的互動循環、獎勵機制,並深入探討「探索與利用」(Exploration vs. Exploitation)的權衡。最後介紹如何結合深度學習形成 Deep RL,並引導讀者使用 Stable-Baselines3 等開源工具進行實作。