Hub Python 库文档

资源库卡片

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

存储库卡片

huggingface_hub 库提供了一个 Python 接口来创建、共享和更新模型/数据集卡片。访问专用文档页面以更深入地了解 Hub 上的模型卡片是什么,以及它们是如何在后台工作的。您还可以查看我们的模型卡片指南,以了解如何在您自己的项目中使用这些实用工具。

存储库卡片

RepoCard 对象是 ModelCardDatasetCardSpaceCard 的父类。

huggingface_hub.RepoCard

< >

( 内容: str 忽略元数据错误: bool = False )

__init__

< >

( content: str ignore_metadata_errors: bool = False )

参数

  • content (str) — Markdown 文件的内容。

从字符串内容初始化 RepoCard。内容应为 Markdown 文件,开头为 YAML 块,后跟 Markdown 正文。

示例

>>> from huggingface_hub.repocard import RepoCard
>>> text = '''
... ---
... language: en
... license: mit
... ---
...
... # My repo
... '''
>>> card = RepoCard(text)
>>> card.data.to_dict()
{'language': 'en', 'license': 'mit'}
>>> card.text
'\n# My repo\n'
引发以下错误
  • 当存储库卡元数据的内容不是字典时,会引发 ValueError

from_template

< >

( card_data: CardData template_path: Optional = None template_str: Optional = None **template_kwargs ) huggingface_hub.repocard.RepoCard

参数

  • card_data (huggingface_hub.CardData) — 一个包含要包含在 Hugging Face Hub 上的存储库卡的 YAML 标头中的元数据的 huggingface_hub.CardData 实例。
  • template_path (str, 可选) — 指向 markdown 文件的路径,该文件包含可选的 Jinja 模板变量,可以使用 template_kwargs 填充。默认为默认模板。

返回值

huggingface_hub.repocard.RepoCard

一个 RepoCard 实例,包含指定的卡片数据和模板中的内容。

从模板初始化 RepoCard。默认情况下,它使用默认模板。

模板是 Jinja2 模板,可以通过传递关键字参数进行自定义。

load

< >

( repo_id_or_path: Union repo_type: Optional = None token: Optional = None ignore_metadata_errors: bool = False ) huggingface_hub.repocard.RepoCard

参数

  • repo_id_or_path (Union[str, Path]) — 与 Hugging Face Hub 存储库关联的存储库 ID 或本地文件路径。
  • repo_type (str, 可选) — 要推送到 Hugging Face 存储库的类型。 默认为 None,这将使用“model”。 其他选项是“dataset”和“space”。 从本地文件路径加载时不使用。 如果这是从子类调用的,则默认值将是子类的 repo_type
  • token (str, 可选) — 身份验证令牌,通过 huggingface_hub.HfApi.login 方法获取。 将默认为存储的令牌。
  • ignore_metadata_errors (str) — 如果为 True,则将忽略解析元数据部分时的错误。 在此过程中,一些信息可能会丢失。 使用它需要您自担风险。

返回值

huggingface_hub.repocard.RepoCard

从存储库的 README.md 文件或文件路径初始化的 RepoCard(或子类)。

从 Hugging Face Hub 存储库的 README.md 或本地文件路径初始化 RepoCard。

示例

>>> from huggingface_hub.repocard import RepoCard
>>> card = RepoCard.load("nateraw/food")
>>> assert card.data.tags == ["generated_from_trainer", "image-classification", "pytorch"]

push_to_hub

< >

( repo_id: str token: Optional = None repo_type: Optional = None commit_message: Optional = None commit_description: Optional = None revision: Optional = None create_pr: Optional = None parent_commit: Optional = None ) str

参数

  • repo_id (str) — 要推送到 Hugging Face Hub 仓库的仓库 ID。例如:“nateraw/food”。
  • token (str, 可选) — 身份验证令牌,通过 huggingface_hub.HfApi.login 方法获取。默认为存储的令牌。
  • repo_type (str, 可选, 默认为 “model”) — 要推送到 Hugging Face 仓库的仓库类型。选项有 “model”,“dataset” 和 “space”。如果此函数由子类调用,它将默认为子类的 repo_type
  • commit_message (str, 可选) — 生成的提交的摘要/标题/第一行。
  • commit_description (str, 可选) — 生成的提交的描述。
  • revision (str, 可选) — 要提交的 git 版本。默认为 "main" 分支的头部。
  • create_pr (bool, 可选) — 是否使用此提交创建拉取请求。默认为 False
  • parent_commit (str, 可选) — 父提交的 OID / SHA,以十六进制字符串表示。也支持简写(前 7 个字符)。如果指定了此参数并且 create_prFalse,则如果 revision 未指向 parent_commit,则提交将失败。如果指定了此参数并且 create_prTrue,则将从 parent_commit 创建拉取请求。指定 parent_commit 可确保在提交更改之前仓库未发生更改,并且在仓库同时更新/提交时特别有用。

返回值

str

更新卡片元数据的提交的 URL。

将 RepoCard 推送到 Hugging Face Hub 仓库。

保存

< >

( filepath: Union )

参数

  • filepath (Union[Path, str]) — 要保存到的 Markdown 文件的文件路径。

将 RepoCard 保存到文件。

示例

>>> from huggingface_hub.repocard import RepoCard
>>> card = RepoCard("---\nlanguage: en\n---\n# This is a test repo card")
>>> card.save("/tmp/test.md")

验证

< >

( repo_type: Optional = None )

参数

  • repo_type (str, 可选, defaults to “model”) — 要推送到的 Hugging Face 仓库类型。选项包括“model”、“dataset”和“space”。如果从子类调用此函数,则默认值为子类的 repo_type

根据 Hugging Face Hub 的卡片验证逻辑验证卡片。使用此函数需要访问互联网,因此它仅由 huggingface_hub.repocard.RepoCard.push_to_hub() 在内部调用。

引发以下错误
  • ValueError 如果卡片未通过验证检查。
  • HTTPError 如果对 Hub API 的请求由于任何其他原因而失败。

卡片数据

CardData 对象是 ModelCardDataDatasetCardData 的父类。

huggingface_hub.CardData

< >

( ignore_metadata_errors: bool = False **kwargs )

包含 RepoCard 元数据的结构体。

CardDataModelCardDataDatasetCardData 的父类。

元数据可以导出为字典或 YAML 格式。导出可以自定义以更改数据的表示形式(例如:扁平化评估结果)。 CardData 的行为类似于字典(可以获取、弹出、设置值),但不继承自 dict 以允许此导出步骤。

get

< >

( key: str default: Any = None )

获取给定元数据键的值。

pop

< >

( key: str default: Any = None )

弹出给定元数据键的值。

to_dict

< >

( ) dict

返回值

dict

CardData 表示为一个字典,准备将其转储到 YAML 块中,以便包含在 README.md 文件中。

将 CardData 转换为字典。

to_yaml

< >

( line_break = None original_order: Optional = None ) str

参数

  • line_break (str, 可选) — 转储到 yaml 时使用的换行符。

返回值

str

CardData 表示为一个 YAML 块。

将卡片数据转储到 YAML 块中,以包含在 README.md 文件中。

模型卡片

ModelCard

huggingface_hub.ModelCard

< >

( 内容: str 忽略元数据错误: bool = False )

from_template

< >

( card_data: ModelCardData template_path: Optional[str] = None template_str: Optional[str] = None **template_kwargs ) huggingface_hub.ModelCard

参数

  • card_data (huggingface_hub.ModelCardData) — 包含您希望在 Hugging Face Hub 上的模型卡片的 YAML 标头中包含的元数据的 huggingface_hub.ModelCardData 实例。
  • template_path (str, 可选) — 包含可选 Jinja 模板变量的 Markdown 文件的路径,可以使用 template_kwargs 填充。默认为默认模板。

返回值

huggingface_hub.ModelCard

具有指定卡片数据和模板内容的 ModelCard 实例。

从模板初始化 ModelCard。默认情况下,它使用默认模板,可以在此处找到:https://github.com/huggingface/huggingface_hub/blob/main/src/huggingface_hub/templates/modelcard_template.md

模板是 Jinja2 模板,可以通过传递关键字参数进行自定义。

示例

>>> from huggingface_hub import ModelCard, ModelCardData, EvalResult

>>> # Using the Default Template
>>> card_data = ModelCardData(
...     language='en',
...     license='mit',
...     library_name='timm',
...     tags=['image-classification', 'resnet'],
...     datasets=['beans'],
...     metrics=['accuracy'],
... )
>>> card = ModelCard.from_template(
...     card_data,
...     model_description='This model does x + y...'
... )

>>> # Including Evaluation Results
>>> card_data = ModelCardData(
...     language='en',
...     tags=['image-classification', 'resnet'],
...     eval_results=[
...         EvalResult(
...             task_type='image-classification',
...             dataset_type='beans',
...             dataset_name='Beans',
...             metric_type='accuracy',
...             metric_value=0.9,
...         ),
...     ],
...     model_name='my-cool-model',
... )
>>> card = ModelCard.from_template(card_data)

>>> # Using a Custom Template
>>> card_data = ModelCardData(
...     language='en',
...     tags=['image-classification', 'resnet']
... )
>>> card = ModelCard.from_template(
...     card_data=card_data,
...     template_path='./src/huggingface_hub/templates/modelcard_template.md',
...     custom_template_var='custom value',  # will be replaced in template if it exists
... )

ModelCardData

huggingface_hub.ModelCardData

< >

( base_model: Union = None datasets: Optional = None eval_results: Optional = None language: Union = None library_name: Optional = None license: Optional = None license_name: Optional = None license_link: Optional = None metrics: Optional = None model_name: Optional = None pipeline_tag: Optional = None tags: Optional = None ignore_metadata_errors: bool = False **kwargs )

参数

  • base_model (strList[str]可选) — 模型派生的基础模型的标识符。例如,如果你的模型是现有模型的微调或适配器,则适用此属性。该值必须是 Hub 上模型的 ID(如果你的模型派生自多个模型,则为 ID 列表)。默认为无。
  • datasets (List[str]可选) — 用于训练此模型的数据集列表。应该是 https://hf.co/datasets 上找到的数据集 ID。默认为无。
  • eval_results (Union[List[EvalResult], EvalResult]可选) — huggingface_hub.EvalResult 列表,用于定义模型的评估结果。如果提供,则 model_name 将用作 PapersWithCode 排行榜上的名称。默认为 None
  • language (Union[str, List[str]]可选) — 模型训练数据或元数据的语言。它必须是 ISO 639-1、639-2 或 639-3 代码(两个/三个字母),或特殊值,如“代码”、“多语言”。默认为 None
  • library_name (str, *可选*) — 此模型使用的库的名称。示例:keras 或来自 https://github.com/huggingface/huggingface.js/blob/main/packages/tasks/src/model-libraries.ts 的任何库。默认为“无”。
  • license (str, *可选*) — 此模型的许可证。示例:apache-2.0 或来自 https://huggingface.co/docs/hub/repositories-licenses 的任何许可证。默认为“无”。
  • license_name (str, *可选*) — 此模型的许可证名称。默认为“无”。与 license_link 一起使用。常见许可证(Apache-2.0、MIT、CC-BY-SA-4.0)不需要名称。在这种情况下,请改用 license
  • license_link (str, *可选*) — 此模型的许可证链接。默认为“无”。与 license_name 一起使用。常见许可证(Apache-2.0、MIT、CC-BY-SA-4.0)不需要链接。在这种情况下,请改用 license
  • metrics (List[str], *可选*) — 用于评估此模型的指标列表。应为可在 https://hf.co/metrics 中找到的指标名称。示例:“accuracy”。默认为“无”。
  • model_name (str, *可选*) — 此模型的名称。它与 eval_results 一起使用,以在卡片的元数据中构造 model-index。您在此处提供的名称将用于 PapersWithCode 的排行榜。如果未提供,则使用存储库名称作为默认值。默认为“无”。
  • pipeline_tag (str, *可选*) — 与模型关联的流水线标记。示例:“text-classification”。
  • tags (List[str], 可选) — 要添加到模型中的标签列表,可在 Hugging Face Hub 上进行筛选时使用。默认为“无”。
  • ignore_metadata_errors (str) — 如果为“真”,则在解析元数据部分时将忽略错误。在此过程中,可能会丢失一些信息。使用风险自负。
  • kwargs (dict, 可选) — 将添加到模型卡中的其他元数据。默认为“无”。

模型卡元数据,当包含在 README.md 的顶部时,Hugging Face Hub 会使用这些数据。

示例

>>> from huggingface_hub import ModelCardData
>>> card_data = ModelCardData(
...     language="en",
...     license="mit",
...     library_name="timm",
...     tags=['image-classification', 'resnet'],
... )
>>> card_data.to_dict()
{'language': 'en', 'license': 'mit', 'library_name': 'timm', 'tags': ['image-classification', 'resnet']}

数据集卡

数据集卡在 ML 社区中也称为数据卡。

DatasetCard

huggingface_hub.DatasetCard

< >

( 内容: str 忽略元数据错误: bool = False )

from_template

< >

( card_data: DatasetCardData template_path: Optional = None template_str: Optional = None **template_kwargs ) huggingface_hub.DatasetCard

参数

  • card_data (huggingface_hub.DatasetCardData) - 包含您想要在 Hugging Face Hub 上的数据集卡片的 YAML 标题中包含的元数据的 huggingface_hub.DatasetCardData 实例。
  • template_path (str, 可选) - 带有可选 Jinja 模板变量的 Markdown 文件的路径,可以使用 template_kwargs 填充。默认为默认模板。

返回值

huggingface_hub.DatasetCard

具有指定卡片数据和模板内容的 DatasetCard 实例。

从模板初始化 DatasetCard。默认情况下,它使用默认模板,可以在此处找到: https://github.com/huggingface/huggingface_hub/blob/main/src/huggingface_hub/templates/datasetcard_template.md

模板是 Jinja2 模板,可以通过传递关键字参数进行自定义。

示例

>>> from huggingface_hub import DatasetCard, DatasetCardData

>>> # Using the Default Template
>>> card_data = DatasetCardData(
...     language='en',
...     license='mit',
...     annotations_creators='crowdsourced',
...     task_categories=['text-classification'],
...     task_ids=['sentiment-classification', 'text-scoring'],
...     multilinguality='monolingual',
...     pretty_name='My Text Classification Dataset',
... )
>>> card = DatasetCard.from_template(
...     card_data,
...     pretty_name=card_data.pretty_name,
... )

>>> # Using a Custom Template
>>> card_data = DatasetCardData(
...     language='en',
...     license='mit',
... )
>>> card = DatasetCard.from_template(
...     card_data=card_data,
...     template_path='./src/huggingface_hub/templates/datasetcard_template.md',
...     custom_template_var='custom value',  # will be replaced in template if it exists
... )

DatasetCardData

huggingface_hub.DatasetCardData

< >

( language: Union = None license: Union = None annotations_creators: Union = None language_creators: Union = None multilinguality: Union = None size_categories: Union = None source_datasets: Optional = None task_categories: Union = None task_ids: Union = None paperswithcode_id: Optional = None pretty_name: Optional = None train_eval_index: Optional = None config_names: Union = None ignore_metadata_errors: bool = False **kwargs )

参数

  • language (List[str], 可选) - 数据集数据或元数据的语言。它必须是 ISO 639-1、639-2 或 639-3 代码(两个/三个字母),或者像“代码”、“多语言”这样的特殊值。
  • license (Union[str, List[str]]可选) — 此数据集的许可证。示例:apache-2.0 或来自 https://huggingface.co/docs/hub/repositories-licenses 的任何许可证。
  • annotations_creators (Union[str, List[str]]可选) — 数据集注释的创建方式。选项包括:“found”(找到)、“crowdsourced”(众包)、“expert-generated”(专家生成)、“machine-generated”(机器生成)、“no-annotation”(无注释)和“other”(其他)。
  • language_creators (Union[str, List[str]]可选) — 数据集中基于文本的数据是如何创建的。选项包括:“found”(找到)、“crowdsourced”(众包)、“expert-generated”(专家生成)、“machine-generated”(机器生成)和“other”(其他)。
  • multilinguality (Union[str, List[str]]可选) — 数据集是否为多语言。选项包括:“monolingual”(单语)、“multilingual”(多语)、“translation”(翻译)和“other”(其他)。
  • size_categories (Union[str, List[str]]可选) — 数据集中的示例数量。选项包括:“n<1K”、“1K
  • source_datasets (List[str]]可选) — 指示数据集是原始数据集还是从另一个现有数据集扩展而来的。选项包括:“original”(原始)和“extended”(扩展)。
  • task_categories (Union[str, List[str]]可选) — 数据集支持哪些任务类别?
  • task_ids (Union[str, List[str]], 可选) — 数据集支持哪些特定任务?
  • paperswithcode_id (str, 可选) — 数据集在 PapersWithCode 上的 ID。
  • pretty_name (str, 可选) — 数据集更易读的名称。(例如 “猫与狗”)
  • train_eval_index (Dict, 可选) — 描述在 Hub 上进行评估所需规范的字典。如果未提供,它将从 kwargs 的 “train-eval-index” 键中收集。
  • config_names (Union[str, List[str]], 可选) — 数据集可用配置列表。

当包含在 README.md 文件顶部时,Hugging Face Hub 使用的数据集卡片元数据。

空间卡片

SpaceCard

huggingface_hub.SpaceCard

< >

( 内容: str 忽略元数据错误: bool = False )

SpaceCardData

class huggingface_hub.SpaceCardData

< >

( title: Optional[str] = None sdk: Optional[str] = None sdk_version: Optional[str] = None python_version: Optional[str] = None app_file: Optional[str] = None app_port: Optional[int] = None license: Optional[str] = None duplicated_from: Optional[str] = None models: Optional[List[str]] = None datasets: Optional[List[str]] = None tags: Optional[List[str]] = None ignore_metadata_errors: bool = False **kwargs )

参数

  • title (str, 可选) — Space 的标题。
  • sdk (str, 可选) — Space 的 SDK(`gradio`、`streamlit`、`docker` 或 `static` 之一)。
  • sdk_version (str, 可选) — 使用的 SDK 版本(如果为 Gradio/Streamlit SDK)。
  • python_version (str, 可选) — Space 中使用的 Python 版本(如果为 Gradio/Streamlit SDK)。
  • app_file (str可选) — 主应用程序文件的路径(包含 gradio 或 streamlit Python 代码,或静态 html 代码)。路径是相对于存储库根目录的。
  • app_port (str可选) — 您的应用程序运行所在的端口。仅在 sdk 为 docker 时使用。
  • license (str可选) — 此模型的许可证。示例:apache-2.0 或 https://huggingface.co/docs/hub/repositories-licenses 中的任何许可证。
  • duplicated_from (str可选) — 如果这是复制的 Space,则为原始 Space 的 ID。
  • models (Liststr可选) — 此 Space 相关的模型列表。应为在 https://hf.co/models 上找到的数据集 ID。
  • datasets (List[str]可选) — 此 Space 相关的数据集列表。应为在 https://hf.co/datasets 上找到的数据集 ID。
  • tags (List[str]可选) — 要添加到您的 Space 的标签列表,可在 Hub 上进行过滤时使用。
  • ignore_metadata_errors (str) — 如果为 True,则会忽略解析元数据部分时出现的错误。在此过程中可能会丢失一些信息。请您自行承担风险。
  • kwargs (dict, 可选) — 将添加到空间卡片的附加元数据。

空间卡片元数据,当包含在 README.md 的顶部时,Hugging Face Hub 会使用它。

如需获取空间配置的详尽参考,请访问 https://huggingface.co/docs/hub/spaces-config-reference#spaces-configuration-reference

示例

>>> from huggingface_hub import SpaceCardData
>>> card_data = SpaceCardData(
...     title="Dreambooth Training",
...     license="mit",
...     sdk="gradio",
...     duplicated_from="multimodalart/dreambooth-training"
... )
>>> card_data.to_dict()
{'title': 'Dreambooth Training', 'sdk': 'gradio', 'license': 'mit', 'duplicated_from': 'multimodalart/dreambooth-training'}

实用程序

EvalResult

huggingface_hub.EvalResult

< >

( task_type: str dataset_type: str dataset_name: str metric_type: str metric_value: Any task_name: Optional = None dataset_config: Optional = None dataset_split: Optional = None dataset_revision: Optional = None dataset_args: Optional = None metric_name: Optional = None metric_config: Optional = None metric_args: Optional = None verified: Optional = None verify_token: Optional = None source_name: Optional = None source_url: Optional = None )

参数

  • task_type (str) — 任务标识符。例如:“图像分类”。
  • dataset_type (str) — 数据集标识符。例如:“common_voice”。使用 https://hf.co/datasets 中的数据集 ID。
  • dataset_name (str) — 数据集的漂亮名称。例如:“Common Voice(法语)”。
  • metric_type (str) — 度量标识符。例如:“wer”。使用 https://hf.co/metrics 中的度量 ID。
  • metric_value (Any) — 度量值。例如:0.9 或“20.0 ± 1.2”。
  • task_name (str, 可选) — 任务的漂亮名称。例如:“语音识别”。
  • dataset_config (str, 可选) — 在 load_dataset() 中使用的的数据集配置名称。例如:load_dataset("common_voice", "fr") 中的 fr。有关更多信息,请参阅 datasets 文档:https://hf.co/docs/datasets/package_reference/loading_methods#datasets.load_dataset.name
  • dataset_split (str, 可选) — 在 load_dataset() 中使用的拆分。例如:“test”。
  • dataset_revision (str, 可选) — 在 load_dataset() 中使用的的数据集版本(也称为 Git Sha)。例如:5503434ddd753f426f4b38109466949a1217c2bb
  • dataset_args (Dict[str, Any]可选) — 在 Metric.compute() 期间传递的参数。例如,对于 bleu{"max_order": 4}
  • metric_name (str可选) — 指标的规范名称。例如:“测试 WER”。
  • metric_config (str可选) — 在 load_metric() 中使用的指标配置的名称。例如,在 load_metric("bleurt", "bleurt-large-512") 中为 bleurt-large-512。有关更多信息,请参阅 datasets 文档:https://huggingface.co/docs/datasets/v2.1.0/en/loading#load-configurations
  • metric_args (Dict[str, Any]可选) — 在 Metric.compute() 期间传递的参数。例如,对于 bleu:max_order: 4
  • verified (bool可选) — 指示指标是来自 Hugging Face 的评估服务还是其他来源。由 Hugging Face 自动计算,请勿设置。
  • verify_token (str可选) — 用于验证指标是来自 Hugging Face 的评估服务还是其他来源的 JSON Web 令牌。
  • source_name (str可选) — 评估结果来源的名称。例如:“Open LLM Leaderboard”。
  • source_url (str可选) — 评估结果来源的 URL。例如:“https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard”

模型卡片的模型索引中找到的单个评估结果的扁平化表示。

有关模型索引规范的更多信息,请参阅 https://github.com/huggingface/hub-docs/blob/main/modelcard.md?plain=1

is_equal_except_value

< >

( other: EvalResult )

如果 `self` 和 `other` 描述的指标完全相同,但值不同,则返回 True。

model_index_to_eval_results

huggingface_hub.repocard_data.model_index_to_eval_results

< >

( model_index: List ) model_name (str)

参数

  • model_index (List[Dict[str, Any]]) — 模型索引数据结构,可能来自 Hugging Face Hub 上的 README.md 文件。

返回值

model_name (str)

模型索引中找到的模型名称。这用作 PapersWithCode 等排行榜上模型的标识符。 eval_results (List[EvalResult]):包含在提供的 model_index 中报告的指标的 `huggingface_hub.EvalResult` 对象列表。

接收模型索引并返回模型名称和 `huggingface_hub.EvalResult` 对象列表。

可以在此处找到模型索引的详细规范:https://github.com/huggingface/hub-docs/blob/main/modelcard.md?plain=1

示例

>>> from huggingface_hub.repocard_data import model_index_to_eval_results
>>> # Define a minimal model index
>>> model_index = [
...     {
...         "name": "my-cool-model",
...         "results": [
...             {
...                 "task": {
...                     "type": "image-classification"
...                 },
...                 "dataset": {
...                     "type": "beans",
...                     "name": "Beans"
...                 },
...                 "metrics": [
...                     {
...                         "type": "accuracy",
...                         "value": 0.9
...                     }
...                 ]
...             }
...         ]
...     }
... ]
>>> model_name, eval_results = model_index_to_eval_results(model_index)
>>> model_name
'my-cool-model'
>>> eval_results[0].task_type
'image-classification'
>>> eval_results[0].metric_type
'accuracy'

eval_results_to_model_index

huggingface_hub.repocard_data.eval_results_to_model_index

< >

( model_name: str eval_results: List ) model_index (List[Dict[str, Any]])

参数

  • model_name (str) — 模型的名称(例如“my-cool-model”)。这将用作模型在 PapersWithCode 等排行榜上的标识符。
  • eval_results (List[EvalResult]) — 包含要报告给模型索引的指标的 huggingface_hub.EvalResult 对象列表。

返回值

model_index (List[Dict[str, Any]])

转换为模型索引的评估结果。

接收给定的模型名称和 huggingface_hub.EvalResult 列表,并返回与 Hugging Face Hub 预期格式兼容的有效模型索引。

示例

>>> from huggingface_hub.repocard_data import eval_results_to_model_index, EvalResult
>>> # Define minimal eval_results
>>> eval_results = [
...     EvalResult(
...         task_type="image-classification",  # Required
...         dataset_type="beans",  # Required
...         dataset_name="Beans",  # Required
...         metric_type="accuracy",  # Required
...         metric_value=0.9,  # Required
...     )
... ]
>>> eval_results_to_model_index("my-cool-model", eval_results)
[{'name': 'my-cool-model', 'results': [{'task': {'type': 'image-classification'}, 'dataset': {'name': 'Beans', 'type': 'beans'}, 'metrics': [{'type': 'accuracy', 'value': 0.9}]}]}]

metadata_eval_result

huggingface_hub.metadata_eval_result

< >

( model_pretty_name: str task_pretty_name: str task_id: str metrics_pretty_name: str metrics_id: str metrics_value: Any dataset_pretty_name: str dataset_id: str metrics_config: Optional = None metrics_verified: bool = False dataset_config: Optional = None dataset_split: Optional = None dataset_revision: Optional = None metrics_verification_token: Optional = None ) dict

参数

  • model_pretty_name (str) — 模型的自然语言名称。
  • task_pretty_name (str) — 使用自然语言的任务名称。
  • task_id (str) — 示例:automatic-speech-recognition。任务 ID。
  • metrics_pretty_name (str) — 使用自然语言的指标名称。示例:测试 WER。
  • metrics_id (str) — 示例:wer。来自 https://hf.co/metrics 的指标 ID。
  • metrics_value (Any) — 来自指标的值。示例:20.0 或“20.0 ± 1.2”。
  • dataset_pretty_name (str) — 使用自然语言的数据集名称。
  • dataset_id (str) — 示例:common_voice。来自 https://hf.co/datasets 的数据集 ID。
  • metrics_config (str, 可选) — 在 load_metric() 中使用的指标配置名称。示例:在 load_metric("bleurt", "bleurt-large-512") 中为 bleurt-large-512。
  • metrics_verifiedbool可选,默认为 False) — 指示指标是来自 Hugging Face 的评估服务 还是其他来源。由 Hugging Face 自动计算,请勿设置。
  • dataset_configstr可选) — 例如:fr。在 load_dataset() 中使用的数据集配置的名称。
  • dataset_splitstr可选) — 例如:test。在 load_dataset() 中使用的数据集拆分的名称。
  • dataset_revisionstr可选) — 例如:5503434ddd753f426f4b38109466949a1217c2bb。在 load_dataset() 中使用的数据集版本名称。
  • metrics_verification_tokenbool可选) — 用于验证指标是来自 Hugging Face 的评估服务 还是其他来源的 JSON Web 令牌。

返回值

dict

一个包含在数据集上评估的模型结果的元数据字典。

创建一个包含在数据集上评估的模型结果的元数据字典。

示例

>>> from huggingface_hub import metadata_eval_result
>>> results = metadata_eval_result(
...         model_pretty_name="RoBERTa fine-tuned on ReactionGIF",
...         task_pretty_name="Text Classification",
...         task_id="text-classification",
...         metrics_pretty_name="Accuracy",
...         metrics_id="accuracy",
...         metrics_value=0.2662102282047272,
...         dataset_pretty_name="ReactionJPEG",
...         dataset_id="julien-c/reactionjpeg",
...         dataset_config="default",
...         dataset_split="test",
... )
>>> results == {
...     'model-index': [
...         {
...             'name': 'RoBERTa fine-tuned on ReactionGIF',
...             'results': [
...                 {
...                     'task': {
...                         'type': 'text-classification',
...                         'name': 'Text Classification'
...                     },
...                     'dataset': {
...                         'name': 'ReactionJPEG',
...                         'type': 'julien-c/reactionjpeg',
...                         'config': 'default',
...                         'split': 'test'
...                     },
...                     'metrics': [
...                         {
...                             'type': 'accuracy',
...                             'value': 0.2662102282047272,
...                             'name': 'Accuracy',
...                             'verified': False
...                         }
...                     ]
...                 }
...             ]
...         }
...     ]
... }
True

metadata_update

huggingface_hub.metadata_update

< >

( repo_id: str metadata: Dict repo_type: Optional = None overwrite: bool = False token: Optional = None commit_message: Optional = None commit_description: Optional = None revision: Optional = None create_pr: bool = False parent_commit: Optional = None ) str

参数

  • repo_id (str) — 仓库的名称。
  • metadata (dict) — 包含要更新的元数据的字典。
  • repo_type (str, 可选) — 如果要更新为数据集或空间,则设置为 "dataset""space";如果要更新为模型,则设置为 None"model"。 默认为 None
  • overwrite (bool, 可选, 默认为 False) — 如果设置为 True,则可以覆盖现有字段,否则尝试覆盖现有字段将导致错误。
  • token (str, 可选) — Hugging Face 身份验证令牌。
  • commit_message (str, 可选) — 生成的提交的摘要/标题/第一行。默认为 f"使用 huggingface_hub 更新元数据"
  • commit_description (str可选) — 生成的提交的描述
  • revision (str可选) — 要提交的 git 版本。默认为 "main" 分支的头部。
  • create_pr (boolean可选) — 是否使用该提交从 revision 创建拉取请求。默认为 False
  • parent_commit (str可选) — 父提交的 OID / SHA,以十六进制字符串表示。也支持简写(前 7 个字符)。如果指定了该参数并且 create_prFalse,如果 revision 没有指向 parent_commit,则提交将失败。如果指定了该参数并且 create_prTrue,则将从 parent_commit 创建拉取请求。指定 parent_commit 可以确保在提交更改之前仓库没有被更改,如果仓库被并发地更新/提交,这将特别有用。

返回值

str

更新卡片元数据的提交的 URL。

更新 Hugging Face Hub 上仓库中 README.md 文件的元数据。如果 README.md 文件尚不存在,则会使用元数据和默认的 ModelCard 或 DatasetCard 模板创建一个新的文件。对于 space 仓库,会抛出一个错误,因为 Space 不能没有 README.md 文件。

示例

>>> from huggingface_hub import metadata_update
>>> metadata = {'model-index': [{'name': 'RoBERTa fine-tuned on ReactionGIF',
...             'results': [{'dataset': {'name': 'ReactionGIF',
...                                      'type': 'julien-c/reactiongif'},
...                           'metrics': [{'name': 'Recall',
...                                        'type': 'recall',
...                                        'value': 0.7762102282047272}],
...                          'task': {'name': 'Text Classification',
...                                   'type': 'text-classification'}}]}]}
>>> url = metadata_update("hf-internal-testing/reactiongif-roberta-card", metadata)
< > 更新 GitHub 上的内容