Hub Python 库文档

推理终端

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

推理端点

推理端点提供了一种安全的生产解决方案,可以轻松地在 Hugging Face 管理的专用和自动缩放基础设施上部署模型。推理端点是根据 Hub 中的模型构建的。此页面是 huggingface_hub 与推理端点集成的参考。有关推理端点产品的更多信息,请查看其 官方文档

查看 相关指南,了解如何使用 huggingface_hub 以编程方式管理您的推理端点。

推理端点可以通过 API 完全管理。这些端点使用 Swagger 进行记录。InferenceEndpoint 类是构建在此 API 之上的一个简单包装器。

方法

推理端点功能的子集在 HfApi 中实现

推理终端

主要的 dataclass 是 InferenceEndpoint。它包含有关已部署的 InferenceEndpoint 的信息,包括其配置和当前状态。部署后,您可以使用 InferenceEndpoint.clientInferenceEndpoint.async_client 属性在终端上运行推理,这些属性分别返回一个 InferenceClient 和一个 AsyncInferenceClient 对象。

huggingface_hub.InferenceEndpoint

< >

( 命名空间: str 原始数据: Dict _token: Union _api: HfApi )

参数

  • 名称 (str) — 推理终端的唯一名称。
  • 命名空间 (str) — 推理终端所在的命名空间。
  • 仓库 (str) — 部署在此推理终端上的模型仓库的名称。
  • 状态 (InferenceEndpointStatus) — 推理终端的当前状态。
  • url (str可选) — 推理端点的 URL(如果可用)。只有已部署的推理端点才会有 URL。
  • framework (str) — 用于模型的机器学习框架。
  • revision (str) — 部署在推理端点上的特定模型版本。
  • task (str) — 与已部署模型关联的任务。
  • created_at (datetime.datetime) — 创建推理端点的时间戳。
  • updated_at (datetime.datetime) — 推理端点最后更新时间的时间戳。
  • type (InferenceEndpointType) — 推理端点的类型(公共、受保护、私有)。
  • raw (Dict) — 从 API 返回的原始字典数据。
  • token (strbool可选) — 推理端点的身份验证令牌,如果在请求 API 时设置。如果未提供,将默认为本地保存的令牌。如果您不想将令牌发送到服务器,请传递 token=False

包含已部署推理端点的信息。

示例

>>> from huggingface_hub import get_inference_endpoint
>>> endpoint = get_inference_endpoint("my-text-to-image")
>>> endpoint
InferenceEndpoint(name='my-text-to-image', ...)

# Get status
>>> endpoint.status
'running'
>>> endpoint.url
'https://my-text-to-image.region.vendor.endpoints.huggingface.cloud'

# Run inference
>>> endpoint.client.text_to_image(...)

# Pause endpoint to save $$$
>>> endpoint.pause()

# ...
# Resume and wait for deployment
>>> endpoint.resume()
>>> endpoint.wait()
>>> endpoint.client.text_to_image(...)

from_raw

< >

( raw: Dict namespace: str token: Union = None api: Optional = None )

从原始字典初始化对象。

client

< >

( ) InferenceClient

返回

InferenceClient

指向已部署端点的推理客户端。

引发

InferenceEndpointError

返回一个客户端,用于对此推理端点进行预测。

async_client

< >

( ) AsyncInferenceClient

返回

AsyncInferenceClient

指向已部署端点的异步兼容推理客户端。

引发

InferenceEndpointError

返回一个客户端,用于对此推理端点进行预测。

delete

< >

( )

删除推理端点。

此操作不可逆。如果您不想为推理端点付费,最好使用 InferenceEndpoint.pause() 暂停它或使用 InferenceEndpoint.scale_to_zero() 将其缩放到零。

这是 HfApi.delete_inference_endpoint() 的别名。

fetch

< >

( ) InferenceEndpoint

返回

InferenceEndpoint

同一个推理终端,使用最新数据进行原地修改。

获取有关推理终端的最新信息。

暂停

< >

( ) InferenceEndpoint

返回

InferenceEndpoint

同一个推理终端,使用最新数据进行原地修改。

暂停推理终端。

暂停的推理终端不会收费。可以使用 InferenceEndpoint.resume() 随时恢复它。这与使用 InferenceEndpoint.scale_to_zero() 将推理终端缩放到零不同,后者会在收到请求时自动重启。

这是 HfApi.pause_inference_endpoint() 的别名。当前对象会使用来自服务器的最新数据进行原地修改。

恢复

< >

( running_ok: bool = True ) InferenceEndpoint

参数

  • running_ok (bool, 可选) — 如果为 True,则当推理终端已在运行时,该方法不会引发错误。默认为 True

返回

InferenceEndpoint

同一个推理终端,使用最新数据进行原地修改。

恢复推理终端。

这是 HfApi.resume_inference_endpoint() 的别名。当前对象会使用来自服务器的最新数据进行原地修改。

缩放到零

< >

( ) InferenceEndpoint

返回

InferenceEndpoint

同一个推理终端,使用最新数据进行原地修改。

将推理终端缩放到零。

缩放到零的推理终端不会收费。下次收到请求时,它将恢复,但会有冷启动延迟。这与使用 InferenceEndpoint.pause() 暂停推理终端不同,后者需要使用 InferenceEndpoint.resume() 手动恢复。

这是 HfApi.scale_to_zero_inference_endpoint() 的别名。当前对象会使用来自服务器的最新数据进行原地修改。

更新

< >

( accelerator: Optional = None instance_size: Optional = None instance_type: Optional = None min_replica: Optional = None max_replica: Optional = None scale_to_zero_timeout: Optional = None repository: Optional = None framework: Optional = None revision: Optional = None task: Optional = None custom_image: Optional = None secrets: Optional = None ) InferenceEndpoint

参数

  • accelerator (str可选) — 用于推理的硬件加速器(例如 "cpu")。
  • instance_size (str可选) — 用于托管模型的实例的大小或类型(例如 "x4")。
  • instance_type (str可选) — 将部署推理端点的云实例类型(例如 "intel-icl")。
  • min_replica (int可选) — 为推理端点保持运行的最小副本(实例)数量。
  • max_replica (int可选) — 推理端点可扩展到的最大副本(实例)数量。
  • scale_to_zero_timeout (int可选) — 不活动的端点缩放到零之前的持续时间(以分钟为单位)。
  • repository (str可选) — 与推理终端关联的模型仓库名称(例如 "gpt2")。
  • framework (str可选) — 用于模型的机器学习框架(例如 "custom")。
  • revision (str可选) — 要在推理终端上部署的特定模型版本(例如 "6c0e6080953db56375760c0471a8c5f2929baf11")。
  • task (str可选) — 部署模型的任务(例如 "text-classification")。
  • custom_image (Dict可选) — 用于推理终端的自定义 Docker 镜像。如果您想部署在 text-generation-inference (TGI) 框架上运行的推理终端,这将非常有用(请参阅示例)。
  • secrets (Dict[str, str]可选) — 要注入容器环境的密钥值。

返回

InferenceEndpoint

同一个推理终端,使用最新数据进行原地修改。

更新推理终端。

此方法允许更新计算配置、部署的模型或两者。所有参数都是可选的,但必须至少提供一个。

这是 HfApi.update_inference_endpoint() 的别名。当前对象将使用来自服务器的最新数据进行原地修改。

等待

< >

( timeout: Optional = None refresh_every: int = 5 ) InferenceEndpoint

参数

  • timeout (int, 可选) — 等待推理端点部署的最长时间(以秒为单位)。如果为 None,将无限期等待。
  • refresh_every (int, 可选) — 每次获取推理端点状态之间等待的时间(以秒为单位)。默认为 5 秒。

返回

InferenceEndpoint

同一个推理终端,使用最新数据进行原地修改。

引发

InferenceEndpointErrorInferenceEndpointTimeoutError

  • InferenceEndpointError — 如果推理端点最终处于失败状态。
  • InferenceEndpointTimeoutError — 如果推理端点在 timeout 秒后仍未部署。

等待推理端点部署。

每 1 秒将从服务器获取信息。如果推理端点在 timeout 秒后仍未部署,则会引发 InferenceEndpointTimeoutErrorInferenceEndpoint 将使用最新数据进行原地修改。

InferenceEndpointStatus

huggingface_hub.InferenceEndpointStatus

< >

( value names = None module = None qualname = None type = None start = 1 )

枚举。

InferenceEndpointType

huggingface_hub.InferenceEndpointType

< >

( value names = None module = None qualname = None type = None start = 1 )

枚举。

InferenceEndpointError

huggingface_hub.InferenceEndpointError

< >

( )

处理推理终端时的通用异常。

< > 在 GitHub 上更新