huggingface_hub

Klien Python resmi untuk Huggingface Hub.

Bahasa Inggris | Jerman | हिंदी | halaman | 中文（简体）

---

Dokumentasi : https://hf.co/docs/huggingface_hub

Kode Sumber : https://github.com/huggingface/huggingface_hub

---

Selamat datang di perpustakaan huggingface_hub

Pustaka huggingface_hub memungkinkan Anda berinteraksi dengan Hugging Face Hub, sebuah platform yang mendemokratisasi Machine Learning sumber terbuka untuk pembuat dan kolaborator. Temukan model dan kumpulan data terlatih untuk proyek Anda atau mainkan ribuan aplikasi pembelajaran mesin yang dihosting di Hub. Anda juga dapat membuat dan membagikan model, kumpulan data, dan demo Anda sendiri dengan komunitas. Pustaka huggingface_hub menyediakan cara sederhana untuk melakukan semua hal ini dengan Python.

Fitur utama

• Unduh file dari Hub.
• Unggah file ke Hub.
• Kelola repositori Anda.
• Jalankan Inferensi pada model yang diterapkan.
• Cari model, kumpulan data, dan Spaces.
• Bagikan Kartu Model untuk mendokumentasikan model Anda.
• Terlibat dengan komunitas melalui PR dan komentar.

Instalasi

Instal paket huggingface_hub dengan pip:

pip install huggingface_hub

Jika mau, Anda juga dapat menginstalnya dengan conda.

Untuk menjaga paket tetap minimal secara default, huggingface_hub hadir dengan dependensi opsional yang berguna untuk beberapa kasus penggunaan. Misalnya, jika Anda ingin mendapatkan pengalaman lengkap untuk Inferensi, jalankan:

pip install huggingface_hub[inference]

Untuk mempelajari lebih lanjut instalasi dan dependensi opsional, lihat panduan instalasi.

Mulai cepat

Unduh file

Unduh satu file

 from huggingface_hub import hf_hub_download

hf_hub_download ( repo_id = "tiiuae/falcon-7b-instruct" , filename = "config.json" )

Atau seluruh repositori

 from huggingface_hub import snapshot_download

snapshot_download ( "stabilityai/stable-diffusion-2-1" )

File akan diunduh di folder cache lokal. Lebih detailnya ada di panduan ini.

Login

Hugging Face Hub menggunakan token untuk mengautentikasi aplikasi (lihat dokumen). Untuk masuk ke mesin Anda, jalankan CLI berikut:

huggingface-cli login
# or using an environment variable
huggingface-cli login --token $HUGGINGFACE_TOKEN

Buat repositori

 from huggingface_hub import create_repo

create_repo ( repo_id = "super-cool-model" )

Unggah file

Unggah satu file

 from huggingface_hub import upload_file

upload_file (
    path_or_fileobj = "/home/lysandre/dummy-test/README.md" ,
    path_in_repo = "README.md" ,
    repo_id = "lysandre/test-model" ,
)

Atau seluruh folder

 from huggingface_hub import upload_folder

upload_folder (
    folder_path = "/path/to/local/space" ,
    repo_id = "username/my-cool-space" ,
    repo_type = "space" ,
)

Untuk detailnya ada di panduan upload.

Mengintegrasikan ke Hub.

Kami bermitra dengan perpustakaan ML sumber terbuka yang keren untuk menyediakan hosting model dan pembuatan versi gratis. Anda dapat menemukan integrasi yang ada di sini.

Keuntungannya adalah:

• Hosting model atau kumpulan data gratis untuk perpustakaan dan penggunanya.
• Pembuatan versi file bawaan, bahkan dengan file yang sangat besar, berkat pendekatan berbasis git.
• API inferensi tanpa server untuk semua model tersedia untuk umum.
• Widget dalam browser untuk bermain dengan model yang diunggah.
• Siapa pun dapat mengunggah model baru untuk perpustakaan Anda, mereka hanya perlu menambahkan tag yang sesuai agar model dapat ditemukan.
• Unduhan cepat! Kami menggunakan Cloudfront (CDN) untuk mereplikasi unduhan secara geografis sehingga unduhan dapat dilakukan dengan sangat cepat dari mana saja di dunia.
• Statistik penggunaan dan lebih banyak fitur yang akan datang.

Jika Anda ingin mengintegrasikan perpustakaan Anda, silakan buka terbitan untuk memulai diskusi. Kami menulis panduan langkah demi langkah dengan ❤️ yang menunjukkan cara melakukan integrasi ini.

Kontribusi (permintaan fitur, bug, dll.) sangat diterima ????❤️

Semua orang boleh berkontribusi, dan kami menghargai kontribusi semua orang. Kode bukanlah satu-satunya cara untuk membantu komunitas. Menjawab pertanyaan, membantu orang lain, menjangkau dan meningkatkan dokumentasi sangatlah berharga bagi komunitas. Kami menulis panduan kontribusi untuk merangkum cara mulai berkontribusi pada repositori ini.