Hugging Face's logo
加入 Hugging Face 社区

并获得增强型文档体验

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该模型。有关访问模型的信息,您可以在模型页面上单击“在中使用”按钮,以查看如何操作。例如,distilbert/distilgpt2展示了如何在 🤗 Transformers 中使用该模型。

使用 Hugging Face 客户端库

您可以使用huggingface_hub 库创建、删除、更新和检索仓库的信息。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

由于模型中心上的所有模型都是 Git 仓库,因此您可以通过运行以下命令将模型克隆到本地

git lfs install
git clone [email protected]:<MODEL ID> # example: git clone [email protected]:bigscience/bloom

如果您对特定模型仓库拥有写入权限,您还可以提交并推送对模型的修改。

将您的 SSH 公钥添加到您的用户设置中以推送更改和/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,可以使用hf_transfer 来提高下载速度,这是一个基于 Rust 的库,专门用于加速与 Hub 之间的文件传输。

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

hf_transfer 是一个面向高级用户的工具!它经过测试并已投入生产,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

< > 更新 在 GitHub 上