huggingface_hub

Официальный клиент Python для Huggingface Hub.

английский | немецкий | हिंदी | 한국어 | 中文（简体）

---

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

Исходный код : https://github.com/huggingface/huggingface_hub.

---

Добро пожаловать в библиотекуhuggingface_hub

huggingface_hub позволяет взаимодействовать с Hugging Face Hub, платформой, демократизирующей машинное обучение с открытым исходным кодом для авторов и соавторов. Откройте для себя предварительно обученные модели и наборы данных для своих проектов или поиграйте с тысячами приложений машинного обучения, размещенных в Hub. Вы также можете создавать и делиться своими собственными моделями, наборами данных и демо-версиями с сообществом. huggingface_hub предоставляет простой способ сделать все это с помощью Python.

Ключевые особенности

• Загрузите файлы из хаба.
• Загрузите файлы в хаб.
• Управляйте своими репозиториями.
• Запустите Inference на развернутых моделях.
• Поиск моделей, наборов данных и пространств.
• Делитесь карточками моделей, чтобы документировать свои модели.
• Взаимодействуйте с сообществом посредством пиара и комментариев.

Установка

Установите huggingface_hub с помощью pip:

pip install huggingface_hub

Если хотите, вы также можете установить его с помощью conda.

Чтобы по умолчанию пакет был минимальным, huggingface_hub включены дополнительные зависимости, полезные в некоторых случаях использования. Например, если вы хотите получить полный опыт работы с Inference, запустите:

pip install huggingface_hub[inference]

Чтобы узнать больше об установке и дополнительных зависимостях, ознакомьтесь с руководством по установке.

Быстрый старт

Скачать файлы

Скачать один файл

 from huggingface_hub import hf_hub_download

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

Или целый репозиторий

 from huggingface_hub import snapshot_download

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

Файлы будут загружены в папку локального кэша. Более подробная информация в этом руководстве.

Авторизоваться

Hugging Face Hub использует токены для аутентификации приложений (см. документацию). Чтобы войти в систему, запустите следующий интерфейс командной строки:

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

Создать репозиторий

 from huggingface_hub import create_repo

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

Загрузить файлы

Загрузите один файл

 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" ,
)

Или целая папка

 from huggingface_hub import upload_folder

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

Подробности в руководстве по загрузке.

Интеграция с Хабом.

Мы сотрудничаем с отличными библиотеками машинного обучения с открытым исходным кодом, чтобы обеспечить бесплатный хостинг моделей и управление версиями. Вы можете найти существующие интеграции здесь.

Преимущества:

• Бесплатный хостинг моделей или наборов данных для библиотек и их пользователей.
• Встроенное управление версиями файлов, даже для очень больших файлов, благодаря подходу на основе git.
• API бессерверного вывода для всех общедоступных моделей.
• Виджеты в браузере для работы с загруженными моделями.
• Любой может загрузить новую модель в вашу библиотеку, ему просто нужно добавить соответствующий тег, чтобы модель была доступна для обнаружения.
• Быстрая загрузка! Мы используем Cloudfront (CDN) для георепликации загрузок, чтобы они загружались очень быстро из любой точки земного шара.
• Статистика использования и другие функции.

Если вы хотите интегрировать свою библиотеку, не стесняйтесь открыть проблему, чтобы начать обсуждение. Мы написали пошаговое руководство с ❤️, показывающее, как выполнить эту интеграцию.

Вклады (запросы функций, ошибки и т. д.) приветствуются ??????❤️

Каждый может внести свой вклад, и мы ценим вклад каждого. Код — не единственный способ помочь сообществу. Отвечать на вопросы, помогать другим, налаживать контакты и улучшать документацию чрезвычайно ценно для сообщества. Мы написали руководство по вкладу, в котором кратко описано, как начать вносить вклад в этот репозиторий.