在本章中，你了解了如何使用 🤗 Transformers 中的高级 pipeline() 函数来处理不同的 NLP 任务。你还了解了如何在 Hub 中搜索和使用模型，以及如何使用推理 API 直接在浏览器中测试模型。
我们讨论了 Transformer 模型在高层次上的工作方式，并讨论了迁移学习和微调的重要性。一个关键方面是，你可以使用完整的架构或仅使用编码器或解码器，具体取决于你要解决的任务类型。下边总结了这一点：
| Model | Examples | Tasks |
|---|---|---|
| Encoder | ALBERT, BERT, DistilBERT, ELECTRA, RoBERTa | Sentence classification, named entity recognition, extractive question answering |
| Decoder | CTRL, GPT, GPT-2, Transformer XL | Text generation |
| Encoder-decoder | BART, T5, Marian, mBART | Summarization, translation, generative question answering |
