transformer预训练模型T5调用

T5（Text-to-Text Transfer Transformer）是一种基于Transformer架构的预训练模型，由Google开发。它在多个自然语言处理任务上取得了很好的效果，包括文本摘要、翻译、问答等。

要使用T5模型进行文本转换任务，可以使用Hugging Face提供的transformers库。以下是一个使用T5模型进行文本转换的示例代码：

from transformers import T5Tokenizer, T5ForConditionalGeneration

# 加载T5模型和分词器
model_name = 't5-base'
tokenizer = T5Tokenizer.from_pretrained(model_name)
model = T5ForConditionalGeneration.from_pretrained(model_name)

# 输入文本
input_text = "Translate this sentence to French: Hello, how are you?"

# 对输入文本进行编码
input_ids = tokenizer.encode(input_text, return_tensors='pt')

# 使用T5模型进行文本转换
output = model.generate(input_ids)

# 解码输出文本
output_text = tokenizer.decode(output[0], skip_special_tokens=True)

print("Output:", output_text)

在上述代码中，我们首先加载了T5模型和分词器。然后，我们提供了一个输入文本，并使用分词器对其进行编码。接下来，我们使用T5模型的generate方法生成输出。最后，我们使用分词器对输出进行解码，并打印出结果。

需要注意的是，上述代码中使用的是T5的基础模型（t5-base），你还可以根据具体任务的需求选择其他预训练模型，如t5-large、t5-3b等。