- 综合排序
- 最热优先
- 最新优先
- 来自专栏程序随笔
聊聊Hugging Face
HuggingFace产品 主要产品包括Hugging Face Dataset、Hugging Face Tokenizer、Hugging Face Transformer和Hugging Face Hugging Face Dataset是一个库，用于轻松访问和共享音频、计算机视觉和自然语言处理（NLP）任务的数据集。 Hugging Face Tokenizer是一个用于将文本转换为数字表示形式的库。 Dataset Hugging Face Dataset是一个公共数据集仓库，用于轻松访问和共享音频、计算机视觉和自然语言处理（NLP）任务的数据集。 Face中的模型进行句子相似性实践 参考 Hugging Face Transformer：从原理到实战的全面指南 Hugging Face官网
1.8K43编辑于 2023-10-19 - 来自专栏muller的测试分享
Hugging Face 的应用
大纲Hugging-Face 介绍Hugging-Face 大语言模型 LLM 管理Transformers 机器学习框架文本生成推理 (TGI)Hugging FaceHugging-Face -- 该公司的代表产品是其为自然语言处理应用构建的 transformers 库，以及允许用户共享机器学习模型和数据集的平台大模型平台 hugging face国内对标 -- 百度千帆百度智能云千帆大模型平台 Hugging Face 是行业风向标开发者仓库 Hub机器学习模型 Hub数据集 Hub<! ---->机器学习算法库与封装工具解决方案文档大语言模型管理通过 Git 下载大模型git lfs install#模型会下载到本地目录，并不在hugging face的标准管理目录里，可能会导致后续Transformers google/pegasus-xsum", filename="config.json", revision="4d33b01d79672f27f001f6abade33f22d993b151")hugging
54510编辑于 2024-09-09 - 来自专栏Python进阶之路
介绍 Gradio 与 Hugging Face
但是 Hugging Face 这家估值 “仅 20 亿美元” 的公司，却是目前 AI 领域的创造力中心之一。 Hugging Face 的优势在于节省时间、资源和环境，可以通过微调现有的预训练模型来快速获得结果。3. Hugging Face 最初的产品是一个聊天机器人，通过自然语言处理驱动。2017 年，Hugging Face 聊天机器人拥有了独特的功能，并可以进行高效的对话。 这意味着开发人员和数据科学社区正在积极使用和改进 Hugging Face 的技术。 参考链接： 使用 Gradio 在 Hugging Face 创建应用 Space 7.4K Star!
87000编辑于 2024-05-25 - 来自专栏深度学习
Hugging Face 之 Datasets使用
今天给你介绍一个神器——Hugging Face Datasets！这个轻量级的库简直就是 NLP 开发者的福音，让数据处理变得像喝水一样简单！ 它的核心优势体现在以下几个方面✨：数据加载灵活便捷：无论是读取本地常见格式文件（CSV、JSON 等），还是直接加载 Hugging Face Hub 上的海量公开数据集，都能轻松实现。 与 HF 生态无缝集成：能够与 Tokenizer 等其他 Hugging Face 组件高度协同，方便快捷地构建模型所需的输入格式。 无论你的数据是躺在本地硬盘里，还是托管在 Hugging Face Hub 上，都能用同一行代码轻松加载！ Arrow 是 Hugging Face 官方推荐的格式，速度快、内存效率高，而且能完整保存数据集的所有信息！
20710编辑于 2026-03-01 - 来自专栏深度学习与python
Hugging Face 大语言模型优化技术
Hugging Face 基于他们提供大模型服务的经验分享了一些克服这些障碍的技术。 Patrick von Platen 在文中介绍的 Hugging Face 研究的三种技术是 降低数值精度、使用一种叫作 Flash Attention 的注意力算法，以及使用 专门的推理架构。 原文链接： https://www.infoq.com/news/2023/09/hugging-face-optimizing-llms/
46910编辑于 2023-10-09 - 来自专栏数据分析与挖掘
如何使用Hugging Face中的datasets
https://huggingface.co/datasets 我们选择其中的一个数据集：cail2018
1.7K21发布于 2021-08-10 - 来自专栏panzhixiang
【转载】从神经网络到 Hugging Face
五 Hugging Face 2016年，法国人Clément Delangue、Julien Chaumond和Thomas Wolf成立了一家公司，起名为Hugging Face，并以该emoji图标为公司 而Hugging Face的转向也类似，也是为了解决自己的痛点，2018年，谷歌发布了大模型BERT，而Hugging Face的员工便用了他们熟悉的Pytorch框架实现了BERT，将模型取名为pytorch-pretrained-bert Hugging Face继续开发了并开源了其他一系列的机器学习工具：Datasets、Tokenizer、Diffusers……这些工具也规范了AI开发的流程，在Hugging Face之前，可以说AI 接着，Hugging Face又基于Git和Git LFS技术推出了托管模型、数据集、AI应用的Hugging Face Hub，到目前为止，平台上已经托管了35万模型、7.5万数据集和15万个AI应用示例 Hugging Face也被称为是机器学习领域的GitHub，或如他们的Slogan所言：构建未来的AI社区。
40710编辑于 2024-10-30 - 来自专栏openclaw系列
OpenClaw 集成 Hugging Face Inference 完全指南
核心功能：通过 Hugging Face Inference Providers 统一接入数千个开源模型（DeepSeek, Llama, Qwen, GLM 等）。
30720编辑于 2026-03-18 在cloudflare部署hugging face的免费api
docker pull oozzbb/hg2api:latest运行命令可参考HUGGINGFACE_API_KEY ，去hugging face申请API_KEY ，对接one-api/new-api 5023:5000 -e HUGGINGFACE_API_KEY=hg_xxx -e API_KEY=sk-1234567890 oozzbb/hg2api:latest正文开始因国内部署无法访问hugging face，所以在大佬的基础上改造成能部署到cloudflare workers准备工作1、注册 cloudflare 2、注册hugging face并申请api key，申请api key地址3、复制以下代码部署到 4、支持在oneapi/newapi点击“获取模型列表”一键添加可用模型 我是隐藏代码//对接one-api/new-api使用const API_KEY = "sk-1234567890";//你的hugging face api key去hugging face申请const HUGGINGFACE_API_KEY = "hf_xxxxxxxxxxx";//目前发现的可用模型，请求时如模型不在该列表内，则使用你请求的模型
75900编辑于 2025-01-30Hugging Face Transformers：预训练模型的开源宝库
如今，AI领域发生了翻天覆地的变化，预训练模型成为了标配，而Hugging Face的Transformers库则是这场革命的核心推动者之一。 什么是Hugging Face Transformers？Hugging Face Transformers是一个开源库，提供了数千个预训练模型，用于自然语言处理（NLP）和计算机视觉等任务。 ```pythonfrom transformers import pipeline文本生成generator = pipeline('text-generation')generator("Hugging , 'context': 'Hugging Face is a company that provides NLP tools and models.'})```2. 结语Hugging Face Transformers彻底改变了AI开发的方式。通过提供易用的API和丰富的预训练模型，它使得复杂的AI技术变得平民化，让更多人能够参与到AI创新中来。
61010编辑于 2025-09-25- 来自专栏IT技术订阅
Hugging Face模型训练步骤及开发示例
公司背景 成立:Hugging Face 成立于2016年，最初是一家位于纽约的聊天机器人初创公司。 文档与教程: Hugging Face拥有详细的文档和教程，帮助用户更好地理解和使用其提供的资源。 社区: Hugging Face拥有一个活跃的社区，成员可以在这里交流想法、解决问题和共享项目。 使用场景 研究与开发: 学术界和工业界的开发者利用Hugging Face来进行前沿研究和产品开发。 教育: 教育机构和个人学习者可以通过Hugging Face提供的资源进行自学和教学活动。 企业应用: 大量企业利用Hugging Face的模型和服务来构建智能应用和服务。 可以使用 Hugging Face 的 Datasets 库来加载和处理数据集。 2.
1.5K10编辑于 2024-11-23 Prodigy-HF与Hugging Face集成技术解析
介绍Prodigy-HF：与Hugging Face的直接集成Prodigy是由某机构开发的标注工具，该公司以创建spaCy而闻名。这是一个完全可脚本化的产品，拥有庞大的社区。 上周，某机构推出了Prodigy-HF，它提供了直接与Hugging Face技术栈集成的代码配方。这是Prodigy支持论坛上备受期待的功能。 上传第二个同样令人兴奋的功能是，您现在还可以将标注的数据集发布到Hugging Face Hub。如果您有兴趣分享其他人希望使用的数据集，这非常棒。 更多功能即将推出我们希望这种与Hugging Face生态系统的直接集成能够让许多用户进行更多实验。Hugging Face Hub为广泛的任务和语言提供了许多模型。 我们还要感谢Hugging Face团队对此插件的反馈，特别是建议添加上传功能的某专家。谢谢！
16810编辑于 2025-10-28- 来自专栏神的孩子都在歌唱
Hugging Face 下载模型指南：手把手教你玩转
Hugging Face 下载模型指南：手把手教你玩转 Hugging Face 已成为 NLP 和 AI 开发者的必备工具，它提供了丰富的预训练模型，帮助我们快速进行模型训练与推理。 方法一 使用 Hugging Face CLI 下载模型 ️ 第 1 步：安装 Hugging Face CLI 工具 打开 命令行（cmd 或 PowerShell），输入以下命令进行安装： pip 第 2 步：登录 Hugging Face 账户（仅限私有模型） 如果你要下载 私有模型 或使用高权限 API 访问，需要登录 Hugging Face 账户。 huggingface-cli login 获取 Access Token： • 访问 Hugging Face 账户页面。 Hugging Face 官方文档 Hugging Face CLI 快速入门 关注 公众号 神的孩子都在歌唱 可领取 几十G的 python ，java， 计算机基础，算法等学习资料 作者：神的孩子都在歌唱
18.3K22编辑于 2025-03-31 - 来自专栏OpenMMLab
Hugging Face 大模型评测榜集合收录 OpenCompass！
我们也提供基于 OpenCompass 开源工具的大模型榜单，并在近期将大模型榜单发布在 Hugging Face Space，同时我们也很荣幸 OpenCompass LLM Leaderboard 被 Hugging Face 官方的 The Big Benchmarks Collection 所收录。
3.3K10编辑于 2023-09-21 - 来自专栏君赏技术博客
关于AutoLayout原生Content Hugging和Content Resistance小研究
看来默认的Content Hugging的默认值是250，我只要轻轻的增加一个，就压缩了。 从上面的图中我们可以得到: Content Hugging: 默认大小250 Content Resistance: 默认大小750 关于一些详细的介绍可以看我的小伙伴的文章 Masonry 笔记 -
84940发布于 2018-08-31 - 来自专栏新智元
Hugging Face：2023开源LLM大爆发，数据竞赛已开启！
来自Hugging Face的研究员带你回顾并重新认识开源LLM 2023年的大语言模型（LLM），让几乎所有人都燃起了热情。 现在大多数人都知道LLM是什么，以及可以做什么。 下面，让我们跟随Hugging Face的研究员Clémentine Fourrier一起， 回顾一下开源LLM这跌宕起伏的一年。 如何训练大语言模型？ LLM的模型架构描述了具体实现和数学形状。 BLOOM（BigScience Large Open-science Open-access Multilingual Language Model）是BigScience发布的一系列模型，由Hugging 10月，Hugging Face发布了Zephyr，这是一款在UltraChat和UltraFeedback上使用DPO和AIF的Mistral微调，Lmsys发布了LMSYS-Chat-1M，是与25
62710编辑于 2024-01-04 - 来自专栏Elastic Stack专栏
Elasticsearch 开放推理 API 新增 Hugging Face 原生分块支持
Elasticsearch 开放推理 API 新增 Hugging Face 原生分块支持通过 Elasticsearch 的开放推理 API，你可以使用 Hugging Face 的 Inference 什么是 Hugging Face 推理端点服务？ Hugging Face 的 Inference Endpoints 服务 允许你在云中部署和运行 Hugging Face Transformers 模型。 如何使用 Hugging Face 推理端点与 Elasticsearch 开放推理 API要使用开放推理 API 与 Hugging Face 推理端点服务，你需要遵循以下三个步骤：在 Hugging 试试这个笔记本，以开始使用我们的 Hugging Face 推理端点集成：使用 Hugging Face 和 Elasticsearch 的 GPU 加速推理索引数百万文档。
48731编辑于 2024-09-15 - 来自专栏DeepHub IMBA
在NLP项目中使用Hugging Face的Datasets 库
这是 Hugging Face 的数据集库，一个快速高效的库，可以轻松共享和加载数据集和评估指标。 因此，如果您从事自然语言理解 (NLP) 工作并希望为下一个项目提供数据，那么 Hugging Face 就是您的最佳选择。? 本文的动机：Hugging Face 提供的数据集格式与我们的 Pandas dataframe不同，所以最初使用 Hugging Face 数据集可能看起来令人生畏?。 让我们先了解一下 Hugging Face 和数据集库，然后通过一个例子来了解如何使用这个库中的数据集。? Hugging Face ? 是自然语言处理 (NLP) 技术的开源提供商。 数据集库 根据 Hugging Face 网站，Datasets 库目前拥有 100 多个公共数据集。? 数据集不仅有英语，还有其他语言和方言。?
3.5K40发布于 2021-07-01 - 来自专栏网络安全
Hugging Face 任意大模型仓库劫持 - 无声的破坏
尽管转换服务的代码在Hugging Face服务器上运行，但系统是在Hugging Face Spaces中容器化的 — 这是一个平台，任何用户都可以在其中运行代码。 Pickle是PyTorch库的基础，并且是Hugging Face上最普遍的序列化格式。 为了确定我们是否可以访问Hugging Face域空间之外的域，我们创建了一个远程webhook，并通过恶意模型向钩子发送了一个get请求：从运行Hugging Face转换服务的系统接收Web请求成功了 我们已经确定了像Microsoft和Google这样的组织，他们共同在Hugging Face上托管了905个模型，作为可能面临针对性供应链攻击的风险，因为他们接受了这个机器人对他们Hugging Face 尽管Hugging Face生态系统中保护机器学习模型的初衷是最好的，但转换服务已被证明是脆弱的，并有可能通过Hugging Face官方服务引发广泛的供应链攻击。
90610编辑于 2024-10-16 - 来自专栏ShowMeAI研究中心
Hugging Face发布diffuser模型AI绘画库初尝鲜！
www.showmeai.tech/article-detail/312 声明：版权所有，转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容图片工具库 transformers 的开源方 Hugging 图片Hugging Face 发布了一个专注于 diffuser 模型的开源库，我们可以基于它，仅仅通过几行代码就开始生成自己的艺术作画。 如果我们对 Hugging Face 的 diffuser 模型进行同样的尝试，会发生什么？ 总结这就是 Hugging Face 新库的初尝鲜！尽管目前开源的小模型上，还有一系列的问题，但是这类模型就像一把钥匙，解锁一些令人敬畏的人工智能类人的艺术创造水平。
1.7K62编辑于 2022-10-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号