ERNIE

用知识增强预训练，快速搞定复杂NLP任务

ERNIE是百度开源的预训练语言模型系列，本仓库为ERNIE 4.5及ERNIEKit工业级开发工具包的官方实现，基于PaddlePaddle深度学习框架。ERNIE通过知识增强的预训练技术，在自然语言理解、生成、多模态等任务上表现优异，解决了传统预训练模型缺乏先验知识、难以适配复杂业务场景的问题。核心能力包括：支持文本分类、序列标注、语义匹配、阅读理解、文本生成等主流NLP任务；提供从模型训练、微调到部署的全流程工具链；内置知识增强、多任务学习、模型压缩等先进技术；兼容大规模分布式训练和推理优化。该仓库面向研究者和开发者，帮助快速构建和部署高性能NLP应用。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 7738

维护状态维护中

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队PaddlePaddle

所属国家

官网地址https://ernie.baidu.com

GitHubhttps://github.com/PaddlePaddle/ERNIE

定价模式free

价格说明开源模型及工具包，基于PaddlePaddle，Apache-2.0许可，可免费使用和部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ernie,ernie-45,ernie-45-vl,erniekit,llm,vlm

GitHub 星标★ 7738

30天Star增速

HF 下载量

上线时间2019-03-03 00:00:00

最近更新2026-09-22 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

难度：进阶约 15 分钟部署方式：模型权重 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（ERNIE 4.5 / ERNIEKit 基于 PaddlePaddle 框架）
ERNIEKit 工具包（训练、微调用途，README 指向 docs/erniekit.md）
FastDeploy 推理部署工具包（README 指向其 GitHub 仓库）
可访问 Hugging Face（huggingface.co/baidu）以获取 ERNIE 4.5 系列模型权重
训练 ERNIE 4.5 大模型通常需要 GPU 环境

安装与启动步骤

1克隆 ERNIE 仓库

README 给出了官方仓库地址，先克隆到本地以获取 ERNIEKit 工具包与 cookbook、docs 等资料。
```
git clone https://github.com/PaddlePaddle/ERNIE.git
```
2阅读训练文档

README 的 Training 链接指向 docs/erniekit.md，安装 ERNIEKit 的具体步骤以该文档为准，节选中未给出安装命令。
3获取模型权重

README 提供百度 Hugging Face 组织页，可在其中找到 ERNIE-4.5、ERNIE-4.5-VL 等模型权重进行下载。
4安装 FastDeploy

README 说明推理与部署需参考 FastDeploy 仓库，其安装方式以该仓库说明为准，节选中未列出具体命令。
5启动训练或推理

README 表示 ERNIEKit 安装成功后即可开始训练 ERNIE 4.5 模型，但节选中的命令代码块内容缺失，需回原文档查看。

如何确认成功

README 节选未给出验证步骤；建议按 ERNIEKit 文档中的训练命令运行，观察日志与训练进程是否正常启动。

常见问题

Q：节选里没有安装命令，能照抄吗？

A：不能。README 节选中 ERNIEKit 的命令代码块为空，完整安装与训练命令需查看 docs/erniekit.md 原文。

Q：模型权重从哪里下载？

A：README 给出 Hugging Face 组织页 https://huggingface.co/baidu，其中包含百度开源的 ERNIE 4.5、ERNIE-4.5-VL 等权重。

Q：怎么做推理部署？

A：README 将部署指向 FastDeploy 仓库，它是基于 PaddlePaddle 的推理部署工具包，支持 OpenAI API server 和 vLLM 兼容。

Q：支持哪些训练能力？

A：README 更新日志提到 ERNIEKit 支持 ERNIE-4.5-VL-28B-A3B-Thinking 的 SFT 与函数调用训练、PaddleOCR-VL-0.9B 的 SFT，以及 padding-free 策略。

注意事项

本教程仅依据 README 节选整理，节选中缺少可执行的安装与训练命令，实际部署请以 docs/erniekit.md 与 FastDeploy 仓库为准。
ERNIEKit 版本迭代较快（v1.3→v1.5），安装前建议确认所选版本与目标模型的对应关系。
大模型训练对显存要求高，建议提前评估硬件资源。

核心亮点

知识增强机制，融合词汇、句法、语义等先验知识，提升模型理解力
ERNIEKit提供工业级工具链，覆盖数据预处理、训练、压缩、部署全流程
基于PaddlePaddle，支持大规模分布式训练和推理优化，适合生产环境

不足之处

依赖PaddlePaddle框架，迁移至PyTorch/TensorFlow生态成本较高
文档和社区相比Hugging Face生态尚待完善，中文资料为主

适用场景

中文NLP任务，如情感分析、命名实体识别、智能问答
企业级文本理解与生成，如客服机器人、内容审核
多模态理解，如图文匹配、视觉问答

替代项目

BERT、RoBERTa、T5

项目介绍

ERNIE 是开源模型领域的开源项目，由 PaddlePaddle 开发，2019 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（7,738）位列前 6%，在开源模型分类的 422 个项目里位列前 9%。

项目仍在小幅维护中，最近一次代码更新于 2026-09-22。开源模型及工具包，基于PaddlePaddle，Apache-2.0许可，可免费使用和部署。

它主要面向的使用场景是：中文NLP任务，如情感分析、命名实体识别、智能问答。同类可对比的替代方案包括 BERT、RoBERTa、T5。

上一篇：InternVL

下一篇：Chinese-LLaMA-Alpaca-2