Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

下载模型

集成库

如果 Hub 上的模型与支持的库相关联,则只需几行代码即可加载模型。 有关访问模型的信息,您可以单击模型页面上的“在Library中使用”按钮,以查看操作方法。 例如,distilbert/distilgpt2 展示了如何使用 🤗 Transformers 执行此操作,如下所示。

使用 Hugging Face 客户端库

您可以使用 huggingface_hub 库来创建、删除、更新和检索来自仓库的信息。 您还可以从仓库下载文件或将其集成到您的库中! 例如,您可以使用几行代码快速加载 Scikit-learn 模型。

from huggingface_hub import hf_hub_download
import joblib

REPO_ID = "YOUR_REPO_ID"
FILENAME = "sklearn_model.joblib"

model = joblib.load(
    hf_hub_download(repo_id=REPO_ID, filename=FILENAME)
)

使用 Git

由于模型 Hub 上的所有模型都是 Git 仓库,因此您可以通过运行以下命令在本地克隆模型

git lfs install
git clone git@hf.co:<MODEL ID> # example: git clone git@hf.co:bigscience/bloom

如果您对特定的模型仓库具有写入权限,您还可以提交和推送对模型的修订。

将您的 SSH 公钥添加到您的用户设置以推送更改和/或访问私有仓库。

更快的下载

如果您在具有高带宽的机器上运行,则可以使用 hf_transfer 来提高您的下载速度,这是一个基于 Rust 的库,旨在加速与 Hub 的文件传输。

pip install "huggingface_hub[hf_transfer]"
HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download ...

hf_transfer 是一个高级用户工具! 它经过测试并已准备好用于生产环境,但它缺乏用户友好的功能,例如高级错误处理或代理。 有关更多详细信息,请查看此指南

< > 在 GitHub 上更新