Der offizielle Python-Client für den Huggingface Hub.
---Dokumentation: https://hf.co/docs/huggingface_hub
Quellcode: https://github.com/huggingface/huggingface_hub
Die huggingface_hub
Bibliothek ermöglicht Ihnen die Interaktion mit dem Hugging Face Hub, einer Plattform, die Open-Source Machine Learning für Entwickler und Mitwirkende demokratisiert. Entdecken Sie vortrainierte Modelle und Datensätze für Ihre Projekte oder spielen Sie mit den Tausenden von Machine-Learning-Apps, die auf dem Hub gehostet werden. Sie können auch Ihre eigenen Modelle, Datensätze und Demos mit der Community teilen. Die huggingface_hub
Bibliothek bietet eine einfache Möglichkeit, all dies mit Python zu tun.
- Dateien vom Hub herunterladen.
- Dateien auf den Hub hochladen.
- Verwalten Ihrer Repositories.
- Ausführen von Inferenz auf bereitgestellten Modellen.
- Suche nach Modellen, Datensätzen und Spaces.
- Model Cards teilen, um Ihre Modelle zu dokumentieren.
- Mit der Community interagieren, durch PRs und Kommentare.
Installieren Sie das huggingface_hub
Paket mit pip:
pip install huggingface_hub
Wenn Sie möchten, können Sie es auch mit conda installieren.
Um das Paket standardmäßig minimal zu halten, kommt huggingface_hub
mit optionalen Abhängigkeiten, die für einige Anwendungsfälle nützlich sind. Zum Beispiel, wenn Sie ein vollständiges Erlebnis für Inferenz möchten, führen Sie den folgenden Befehl aus:
pip install huggingface_hub[inference]
Um mehr über die Installation und optionale Abhängigkeiten zu erfahren, sehen Sie sich bitte den Installationsleitfaden an.
Eine einzelne Datei herunterladen
from huggingface_hub import hf_hub_download
hf_hub_download(repo_id="tiiuae/falcon-7b-instruct", filename="config.json")
Oder eine gesamte Repository
from huggingface_hub import snapshot_download
snapshot_download("stabilityai/stable-diffusion-2-1")
Dateien werden in einen lokalen Cache-Ordner heruntergeladen. Weitere Details finden Sie in diesem Leitfaden.
Der Hugging Face Hub verwendet Tokens zur Authentifizierung von Anwendungen (siehe Dokumentation). Um sich an Ihrem Computer anzumelden, führen Sie das folgende Kommando in der Befehlszeile aus:
huggingface-cli login
# oder mit einer Umgebungsvariablen
huggingface-cli login --token $HUGGINGFACE_TOKEN
from huggingface_hub import create_repo
create_repo(repo_id="super-cool-model")
Eine einzelne Datei hochladen
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",
)
Oder einen gesamten Ordner
from huggingface_hub import upload_folder
upload_folder(
folder_path="/path/to/local/space",
repo_id="username/my-cool-space",
repo_type="space",
)
Weitere Informationen finden Sie im Upload-Leitfaden.
Wir arbeiten mit coolen Open-Source-ML-Bibliotheken zusammen, um kostenloses Model-Hosting und -Versionierung anzubieten. Die bestehenden Integrationen finden Sie hier.
Die Vorteile sind:
- Kostenloses Hosting von Modellen oder Datensätzen für Bibliotheken und deren Benutzer..
- Eingebaute Dateiversionierung, selbst bei sehr großen Dateien, dank eines git-basierten Ansatzes.
- Bereitgestellte Inferenz-API für alle öffentlich verfügbaren Modelle.
- In-Browser-Widgets zum Spielen mit den hochgeladenen Modellen.
- Jeder kann ein neues Modell für Ihre Bibliothek hochladen, es muss nur das entsprechende Tag hinzugefügt werden, damit das Modell auffindbar ist.
- Schnelle Downloads! Wir verwenden Cloudfront (ein CDN), um Downloads zu geo-replizieren, sodass sie von überall auf der Welt blitzschnell sind.
- Nutzungsstatistiken und mehr Funktionen in Kürze.
Wenn Sie Ihre Bibliothek integrieren möchten, öffnen Sie gerne ein Issue, um die Diskussion zu beginnen. Wir haben mit ❤️ einen schrittweisen Leitfaden geschrieben, der zeigt, wie diese Integration durchgeführt wird.
Jeder ist willkommen beizutragen, und wir schätzen den Beitrag jedes Einzelnen. Code zu schreiben ist nicht der einzige Weg, der Community zu helfen. Fragen zu beantworten, anderen zu helfen, sich zu vernetzen und die Dokumentationen zu verbessern, sind für die Gemeinschaft von unschätzbarem Wert. Wir haben einen Beitrags-Leitfaden geschrieben, der zusammenfasst, wie Sie beginnen können, zu dieser Repository beizutragen.