库

中心支持开源生态系统中的数十个库。多亏了 `huggingface_hub` Python 库，在中心共享您的模型变得很容易。中心支持许多库，我们正在努力扩展此支持。我们很高兴在中心欢迎一批推动机器学习发展的开源库。

下表总结了支持的库及其集成级别。在 model-libraries.ts 文件中查找所有我们支持的库。

库	描述	推理 API	小部件	从中心下载	推送到 Hub
适配器	统一的 Transformers 附加组件，用于参数高效和模块化的微调。	✅	✅	✅	✅
AllenNLP	一个开源的 NLP 研究库，基于 PyTorch 构建。	✅	✅	✅	❌
Asteroid	基于 PyTorch 的音频源分离工具包	✅	✅	✅	❌
BERTopic	BERTopic 是一个用于文本和图像的主题建模库	✅	✅	✅	✅
Diffusers	用于扩散模型推理和训练的模块化工具箱	✅	✅	✅	✅
docTR	用于 PyTorch 和 TensorFlow 中 OCR 相关任务的模型和数据集	✅	✅	✅	❌
ESPnet	端到端语音处理工具包（例如 TTS）	✅	✅	✅	❌
fastai	用于训练快速准确模型的库，具有最先进的输出。	✅	✅	✅	✅
Keras	开源多后端深度学习框架，支持 JAX、TensorFlow 和 PyTorch。	❌	❌	✅	✅
KerasNLP	基于 Keras 构建的自然语言处理库，可与 TensorFlow、JAX 或 PyTorch 本地协作。	❌	❌	✅	✅
TF-Keras (旧版)	使用一致且简单的 API 构建模型，利用 TensorFlow 及其生态系统的旧版库。	❌	❌	✅	✅
Flair	用于最先进 NLP 的非常简单的框架。	✅	✅	✅	✅
MBRL-Lib	MBRL 算法的 PyTorch 实现。	❌	❌	✅	✅
MidiTok	符号音乐/MIDI 文件的分词器。	❌	❌	✅	✅
ML-Agents	使使用 Unity 制作的游戏和模拟可以作为训练智能代理的环境。	❌	❌	✅	✅
MLX	Apple 制造的用于 Apple 芯片的模型训练和服务框架。	❌	❌	✅	✅
NeMo	专为研究人员构建的对话式 AI 工具包	✅	✅	✅	❌
OpenCLIP	OpenAI CLIP 的开源实现库	❌	❌	✅	✅
PaddleNLP	基于 PaddlePaddle 构建的易于使用且功能强大的 NLP 库	✅	✅	✅	✅
PEFT	尖端参数高效微调库	✅	✅	✅	✅
Pyannote	说话人日记的神经网络构建块。	❌	❌	✅	❌
PyCTCDecode	支持语言模型的语音识别 CTC 解码	❌	❌	✅	❌
Pythae	Python 中生成自编码器的统一框架	❌	❌	✅	✅
RL-Baselines3-Zoo	使用 Stable Baselines3 的强化学习训练框架。	❌	✅	✅	✅
Sample Factory	用于高吞吐量异步强化学习的代码库。	❌	✅	✅	✅
Sentence Transformers	计算句子、段落和图像的密集向量表示。	✅	✅	✅	✅
SetFit	使用 Sentence Transformers 进行高效的少样本文本分类	✅	✅	✅	✅
spaCy	Python 和 Cython 中的高级自然语言处理。	✅	✅	✅	✅
SpanMarker	熟悉、简单且最先进的命名实体识别。	✅	✅	✅	✅
Scikit Learn (使用 skops)	Python 中的机器学习。	✅	✅	✅	✅
Speechbrain	一个 PyTorch 支持的语音工具包。	✅	✅	✅	❌
Stable-Baselines3	PyTorch 中深度强化学习算法的可靠实现集合	❌	✅	✅	✅
TensorFlowTTS	实时最先进的语音合成架构。	❌	❌	✅	❌
Timm	图像模型、脚本、预训练权重等的集合。	✅	✅	✅	✅
Transformers	用于 PyTorch、TensorFlow 和 JAX 的最先进自然语言处理	✅	✅	✅	✅
Transformers.js	Web 最先进的机器学习。直接在浏览器中运行 🤗 Transformers，无需服务器！	❌	❌	✅	❌
Unity Sentis	Unity 3D 游戏引擎的推理引擎	❌	❌	❌	❌

如何将新库添加到推理 API？

如果您有兴趣添加您的库，请与我们联系！请阅读添加库指南中的内容。

< > 在 GitHub 上更新