简单了解一下Hugging Face（抱抱脸）

已于 2025-06-07 10:03:59 修改
阅读量633 收藏 4
点赞数 5
CC 4.0 BY-SA版权
文章标签： Hugging Face
于 2025-06-06 21:18:08 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_64450656/article/details/148481177

文章目录

    • 注册和登录
    • 主要内容
      • Models
      • Datasets
      • Spaces
      • Community
      • Docs、Daily Papers、Learn

Hugging Face 是一个开源的机器学习平台和社区，成立于2016年，总部位于美国纽约，被广泛称为“机器学习的GitHub”。其核心目标是推动人工智能的平民化，通过提供开源工具、模型库和协作平台，降低开发者使用AI技术的门槛。

注册和登录

首先需要通过邮件注册，成功后可以看到
在这里插入图片描述
之后通过邮件确认登录。

主要内容

Models

在这里插入图片描述
可以看到这里面有各种各样的开源大模型，文本生成模型，语音合成模型，图像生成模型。还有我们熟悉的Deepseek-R1和Qwen，这里我们点进Deepseek-R1可以看到：
在这里插入图片描述

Datasets

这里也有海量开源数据集​，涵盖文本、图像、音频等类型（如IMDB影评、多语言翻译数据集）。
在这里插入图片描述
简单介绍一下其中的yandex/yambda和Wikimedia/Wikipedia。

Yambda-5B 是俄罗斯科技巨头 ​Yandex​ 于近日开源的音乐推荐领域超大规模数据集，全称为 ​Yandex Music Billion-Interactions Dataset。
在这里插入图片描述
​Wikimedia/Wikipedia 数据集​ 是维基百科官方内容的开源存档。
在这里插入图片描述

Spaces

Hugging Face 的 ​Spaces 专栏​ 是一个零门槛的机器学习应用托管平台，允许用户快速构建、部署和分享基于 AI 的交互式应用。它解决了开发者“模型训练后无法直观展示效果”的核心痛点，被社区称为 ​​“AI 模型的 Demo 游乐场”​。
在这里插入图片描述
比如这个ai漫画工厂：
在这里插入图片描述

比如这个文本转语音模型：
在这里插入图片描述

Community

这是Hugging Face的社区，主要是关于一些最新开源模型的文章。
在这里插入图片描述

Docs、Daily Papers、Learn

Docs里面包含开发者日常参考的技术说明书（类似产品说明书）
在这里插入图片描述

每日热点论文：
在这里插入图片描述
在这里插入图片描述
​Learn（学习中心）
一些课程：
在这里插入图片描述
在这里插入图片描述

图先
关注
AI之HuggingFace：Hugging Face(AI社区抱抱脸/侧重存放开源模型及其数据集)的简介、使用方法、案例应用之详细攻略
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
03-17 2万+
Hugging Face，抱抱脸，是AI社区届的网红公司，构建、培训和部署由机器学习中的参考开源提供支持的最先进的模型。目前，包括艾伦人工智能研究院、Meta AI、Google AI、Intel、Microsoft、SpeechBrain等，超过5000个组织正在使用“Hugging Face”。Hugging Face 的联合创始人兼 CEO Clément Delangue 说道，Hugging Face 的名字来源于一个表情符号，看起来像一张带有手势的笑脸。
Hugging Face Course-Diving in 抱抱脸 Tokenizers library （Introduction & BPE）
Raki_J的博客
12-19 1060
Introduction 在前几章中，使用了tokenizer库中别人在特定数据集上已经训练好的tokenizer，但是我在尝试用bert-base的checkpoint加载tokenizer到自己的数据集上，发现并不适用，所以就有了这一个章节，我们使用与模型预训练相同的tokenizer——但是当我们想从头开始训练模型时，我们该怎么做？？在这些情况下，使用在来自另一个领域或语言的语料库上预训练的标记器通常是次优的。例如，在英语语料库上训练的分词器在日语文本语料库上表现不佳，因为两种语言中空格和标点符号的.
机器人操作数据集，采用抱抱脸LeRobot训练测试
最新发布
04-07 226
最后就是数据集和模型，目前模型还显示“尚未公开”，数据集使用配备有三指灵巧手的宇树G1人形机器人收集，每张图分辨率为640x480，每个手臂和灵巧手的状态和动作维度为7。在视觉传感器方面，搭载了Intel RealSense D435和LIVOX-MID360 3D激光雷达，能够实现360°的探测感知。宇树科技，开源Unitree G1机器人操作数据集，包括数据采集、学习算法、数据集和模型，并表示将持续更新。也是采用3指力控灵巧手，通过力位混合控制，能拧瓶盖、砸核桃，还能做焊接。
想转行AI大模型开发但不知如何下手？掌握这四个开源工具，让你领先一步！
Python_0011的博客
05-30 1451
Hugging Face是现在最大的AI开源社区，里面提供了很多的预训练模型，是一个模型库，很多人会把自己训练好的模型上传上去，大家可以免费下载使用。下载下来之后，我们就可以在此基础之上，进行微调或者推理，不用从0去训练一个大模型。并且大家可能都知道，微调模型时，数据的准备是一件费时费力的事，而在Hugging Face上也有很多的数据集，可供大家下载使用。所以Hugging Face也被人称作：AI领域的GitHub。
Hugging Face 的拥抱
vastgrassland的博客
11-05 416
图：左搂机器学习和大语言模型开发者，右抱互联网大厂，Hugging Face风生水起，走在时代巅峰抱抱脸（Hugging Face）是一个机器学习和数据科学平台和社区，可帮助用户构建、部署和训练机器学习模型。到今天为止，Hugging Face的网站上已发布了38万个机器学习模型，近8万个数据集。从Llama1，Llama2, Stable Diffusion，到三天前中国智谱发布ChatGLM3...
Hugging Face(抱抱脸)下载整个仓库至本地完整详细教程包含下载需要token的仓库（简单粗暴）
qq_58619551的博客
01-28 5916
需要用到：??(需要使用token下载的仓库，不需要的可以跳过这一步)??1、cmd打开命令行，输入然后回车??注意：将三个?号删除换为你的token3、下载至本地文件夹，将此处的???替换为你需要下载的仓库名称，后面的downloaded_repo为文件目录，没有则自动创建。??然后你就可以尽情下载了大家也可以可以支持下我的公众号蒸水气，向我进行提问Hugging Face – 构建未来的 AI 社区。
抱抱脸（hugging face）教程-中文翻译-使用 Tokenizers 的 tokenizers
wwlsm_zql的博客
03-29 2662
使用 Tokenizers 的 tokenizers PreTrainedTokenizerFast 依赖于 Tokenizers 库。从 Tokenizers 库获得的tokenizers可以非常简单地加载到Transformers。 在详细讨论之前，让我们先用几行代码创建一个虚拟的tokenizer: from tokenizers import Tokenizer from tokenizers.models import BPE from tokenizers.trainers import Bpe
抱抱脸（hugging face）教程-中文翻译-翻译任务（translating）
wwlsm_zql的博客
07-09 1959
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
Hugging Face创始人亲述：一个GitHub史上增长最快的AI项目
热门推荐
OneFlow深度学习框架
05-11 1万+
无心插柳柳成荫，运气，有时就是这么邪门儿。
Hugging Face：成为机器学习界的“GitHub”
OneFlow深度学习框架
09-07 6548
五年前，AI领域的知名研究者Andrej Karpathy发文称，传统人工编程属于“软件1.0”，“软件2.0”时代将以神经网络来编程，在这个过渡过程中，将涌现像GitHub这样的重量级平台。AI届网红公司“抱抱脸（Hugging Face）”有志于成为“软件2.0”时代的GitHub。
公开课 | 2024清华大模型公开课 第7课 Hugging Face 生态
ys707663989的博客
10-20 1200
本文深入介绍了Hugging Face生态系统及其在推动开源机器学习中的作用，强调了协作和开源工具在加速机器学习研究和应用中的重要性。本文深入介绍了Hugging Face生态系统及其在推动开源机器学习中的作用，强调了协作和开源工具在加速机器学习研究和应用中的重要性。
Huggingface的介绍
顺其自然~专栏
04-09 5545
Huggingface即是网站名也是其公司名，随着transformer浪潮，Huggingface逐步收纳了众多最前沿的模型和数据集等有趣的工作，与transformers库结合，可以快速使用学习这些模型。目前提到NLP必然绕不开Huggingface。进入Huggingface网站，如下图所示。其主要包含：1）Models（模型），包括各种处理CV和NLP等任务的模型，上面模型都是可以免费获得2）Datasets（数据集），包括很多数据集。
抱抱脸（hugging face）教程-中文翻译-文本分类
wwlsm_zql的博客
07-09 861
文本分类是一个常见的自然语言处理任务，它为文本分配一个标签或类。有许多实际应用的文本分类广泛应用于生产的一些今天的最大的公司。最流行的文本分类形式之一是情感分析，它为一系列文本分配一个标签，如正面、负面或中性。本指南将向您展示如何对 IMDb 数据集上的 DistilBERT 进行微调，以确定电影评论是正面的还是负面的。从 Datasets 库加载 IMDb 数据集:然后看一个例子:这个数据集中有两个字段:加载 DistilBERT 标记器以处理文本字段:创建一个预处理函数来标记文本并截断不超过 Disti
抱抱脸（hugging face）教程-中文翻译-对预先训练过的模特进行微调
wwlsm_zql的博客
03-25 3773
对预先训练过的模特进行微调 使用预先训练过的模型有很大的好处。它降低了计算成本，你的碳足印，并允许你使用最先进的模型，而不必从头开始训练一个。Transformer提供了数以千计的预先训练的模型，广泛的任务。当你使用一个预先训练好的模型时，你会在一个特定于你任务的数据集上训练它。他的作品被称为微调，一种非常强大的训练技巧。在本教程中，您将使用自己选择的深度学习框架对一个预先训练好的模型进行微调: 微调一个预先训练的模式与变形金刚训练机。 用 Keras 微调 TensorFlow 中的预训练模型。 在本地
抱抱脸（hugging face）教程-中文翻译-模型概要
wwlsm_zql的博客
03-25 3755
模型概要 这是一个总结的模型可在Transformers。假设您熟悉最初的Transformers模型。或者温柔的介绍，看看有注释的Transformers。在我们关注模特之间的高度差异之前。你可以在他们各自的文件中，更详细地检查他们。查看 Model Hub，在这里可以根据模型体系结构查看checkpoints。 Each one of the models in the library falls into one of the following categories: library 的每一个模型
抱抱脸（hugging face）教程-中文翻译-共享定制模型
wwlsm_zql的博客
03-29 5915
共享定制模型 Transformers库的设计很容易扩展。每个模型都完整地编码在存储库的给定子文件夹中，没有任何抽象，因此您可以轻松地复制建模文件并根据需要对其进行调整。 如果您正在编写一个全新的模型，那么从头开始可能会更容易。在本教程中，我们将向您展示如何编写一个自定义模型及其配置，以便它可以在 Transformers 内部使用，以及如何与社区共享它(通过它所依赖的代码) ，以便任何人都可以使用它，即使它不在 Transformers 库中。 我们将通过将 timm 库的 ResNet 类包装到 Pre
抱抱脸（hugging face）教程-中文翻译-使用 AutoClass 加载预训练的实例
wwlsm_zql的博客
03-24 1659
使用 AutoClass 加载预训练的实例 由于有这么多不同的 Transformer 体系结构，为您的 checkpoint 创建一个 Transformer 体系结构是一项挑战。作为 Transformers core 哲学的一部分，AutoClass 可以从给定的checkout自动推断和加载正确的体系结构，从而使库容易、简单和灵活地使用。来自 pretrained method 的他可以让你快速为任何架构装载一个预先训练好的模型，这样你就不必投入时间和资源从头开始训练一个模型。这种类型的check
抱抱脸（hugging face）教程-中文翻译-分享一个模型
wwlsm_zql的博客
03-29 8089
分享一个模型 最后两个教程展示了如何使用 PyTorch、 Keras 和 Accelerate 优化分布式设置的模型。下一步就是把你的模型公之于众！我们相信公开分享知识和资源，使人工智能大众化。我们鼓励你考虑与社区分享你的模式，以帮助其他人节省时间和资源。 在本教程中，您将学习在 Model Hub 上共享经过训练或调优的模型的两种方法: 以编程方式将文件推送到Hub。 通过 web 界面将文件拖放到 Hub。 要与社区共享一个模型，您需要在 huggingface.co 上注册一个帐户。您还可以加
hugging face
02-26
### Hugging Face 平台概述 Hugging Face 是一家专注于人工智能与自然语言处理（NLP）的科技公司，致力于使先进的机器学习技术更加开放、易用并促进协作。该平台不仅为开发者、研究人员以及AI爱好者提供了访问最先进NLP模型和技术的机会，还通过其网站支持社区交流和发展[^4]。 #### Spaces 托管服务 Spaces 提供了一个托管应用的平台，在这里开发者能够部署和展示基于 Hugging Face 模型的各种应用程序，例如聊天机器人、翻译工具等。这使得创建者可以快速分享自己的项目并与他人互动测试新想法[^1]。 #### 使用预训练模型进行开发 当现有的Hugging Face提供的模型无法完全满足特定需求时，用户可以选择利用平台上已有的高质量预训练模型作为起点来实施迁移学习。这种方法允许使用者在已有成果的基础上进一步优化定制化解决方案，从而节省时间和资源成本[^2]。 ```python from transformers import pipeline nlp = pipeline("sentiment-analysis") result = nlp("I love using the Hugging Face platform!") print(result) ``` 这段代码展示了如何加载一个情感分析管道，并对其进行简单的调用来获取文本的情感倾向预测结果。 #### 性能评估工具 为了帮助用户更好地理解和改进所使用的模型表现，Hugging Face 还提供了一系列专门设计用于量化模型性能的评估工具。这些工具有助于完成诸如模型选择、超参数调整等工作流程中的重要环节，确保最终产品达到预期效果[^3]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值