库

Hub 支持开放源代码生态系统中的数十个库。借助 huggingface_hub Python 库，可以轻松地在 Hub 上共享您的模型。Hub 支持许多库，我们正在努力扩展这种支持。我们很高兴欢迎一组推动机器学习发展的开源库加入 Hub。

下表总结了受支持的库及其集成级别。在model-libraries.ts 文件中查找我们所有受支持的库。

库	描述	Inference API	Widgets	从 Hub 下载	推送到 Hub
Adapters	用于参数高效和模块化微调的统一 Transformers 插件。	✅	✅	✅	✅
AllenNLP	一个基于 PyTorch 构建的开源 NLP 研究库。	✅	✅	✅	❌
Asteroid	基于 PyTorch 的音频源分离工具包	✅	✅	✅	❌
BERTopic	BERTopic 是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	PyTorch 和 TensorFlow 中用于 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	使用最先进的输出训练快速准确模型的库。	✅	✅	✅	✅
Keras	开源多后端深度学习框架，支持 JAX、TensorFlow 和 PyTorch。	❌	❌	✅	✅
KerasNLP	构建在 Keras 之上的自然语言处理库，可与 TensorFlow、JAX 或 PyTorch 原生配合使用。	❌	❌	✅	✅
TF-Keras (legacy)	使用一致且简单的 API 构建利用 TensorFlow 及其生态系统的模型的传统库。	❌	❌	✅	✅
Flair	非常简单的最先进 NLP 框架。	✅	✅	✅	✅
MBRL-Lib	MBRL 算法的 PyTorch 实现。	❌	❌	✅	✅
MidiTok	用于符号音乐/MIDI 文件的分词器。	❌	❌	✅	✅
ML-Agents	使使用 Unity 制作的游戏和模拟能够充当训练智能体的环境。	❌	❌	✅	✅
MLX	Apple 制造的 Apple 芯片上的模型训练和服务框架。	❌	❌	✅	✅
NeMo	为研究人员构建的对话式 AI 工具包	✅	✅	✅	❌
OpenCLIP	OpenAI 的 CLIP 开源实现库	❌	❌	✅	✅
PaddleNLP	构建在 PaddlePaddle 上的易于使用且功能强大的 NLP 库	✅	✅	✅	✅
PEFT	先进的参数高效微调库	✅	✅	✅	✅
Pyannote	用于说话人日志的神经构建块。	❌	❌	✅	❌
PyCTCDecode	语言模型支持的用于语音识别的 CTC 解码	❌	❌	✅	❌
Pythae	Python 中生成式自动编码器的统一框架	❌	❌	✅	✅
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 的高效少样本文本分类	✅	✅	✅	✅
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	一个由 PyTorch 驱动的语音工具包。	✅	✅	✅	❌
Stable-Baselines3	PyTorch 中深度强化学习算法的一组可靠实现	❌	✅	✅	✅
TensorFlowTTS	实时的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 的最先进的自然语言处理	✅	✅	✅	✅
Transformers.js	用于 Web 的最先进的机器学习。在您的浏览器中直接运行 🤗 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 Inference API？

如果您有兴趣添加您的库，请联系我们！请阅读添加库指南了解更多信息。

< > 更新 在 GitHub 上