企业中心菜谱

企业中心菜谱专为希望超越Hugging Face Hub标准免费功能，并将机器学习更深入地集成到其生产工作流程中的高级用户和企业设计。本菜谱通过精选的食谱（Jupyter Notebooks）提供可复制粘贴的代码，帮助您开始使用中心的先进功能。

在HF Spaces中进行交互式开发

通过JupyterLab Spaces，您可以像Google Colab一样启动您的个人Jupyter Notebook，但拥有更广泛、更可靠的CPU和GPU选择（例如H100或4xA10G），您可以随时选择和切换。此外，通过激活Spaces Dev Mode，您还可以从本地IDE（例如VS Code）使用此云硬件。阅读本食谱以了解如何启动GPU并通过本地IDE连接到它。

欲了解更多详情，请阅读JupyterLab Spaces和开发模式文档。

推理API (无服务器)

使用我们的无服务器推理API，您可以通过简单的API调用测试一系列开源模型（例如生成式LLM、高效嵌入模型或图像生成器）。无服务器推理API有速率限制，主要用于初始测试或低容量使用。阅读本食谱以了解如何查询无服务器推理API。

欲了解更多详情，请阅读无服务器API文档。

推理端点 (专用)

使用我们的专用推理端点，您可以在各种硬件上轻松部署任何模型，只需几次点击即可创建您个人的生产就绪API。阅读本食谱以了解如何创建和配置您自己的专用端点。

欲了解更多详情，请阅读专用端点文档。

使用Argilla Spaces进行数据标注

无论您是零样本测试LLM还是训练您自己的模型，创建好的测试或训练数据可能是您机器学习之旅开始时最有价值的投资。Argilla是一个免费的开源数据标注工具，使您能够为文本、图像或音频任务创建高质量的数据。阅读本食谱以了解如何在浏览器中创建数据标注工作流程（单独或在更大的团队中）。

另请参阅Argilla文档和HF Argilla Spaces集成，了解更多详情。

AutoTrain Spaces (即将推出)

通过AutoTrain Spaces，您可以通过简单的界面训练您自己的机器学习模型，无需任何代码。阅读本食谱以了解如何在Hugging Face Hub上的AutoTrain Space中，在各种GPU上微调您自己的LLM。

另请参阅AutoTrain文档以了解更多信息。

使用Spaces和Gradio创建私人演示

直观的演示胜于雄辩。如果您想说服利益相关者接受机器学习最小可行产品 (MVP)，演示尤为重要。阅读本食谱以了解如何使用Gradio在Spaces上创建私人机器学习演示。

另请参阅Spaces和Gradio Spaces文档以了解更多信息。

Hub上的高级协作 (即将推出)

随着您的团队和用例的增长，管理数据集、模型和团队成员变得更加复杂。阅读本食谱以了解高级协作功能，例如针对特定资源组的私有数据集、基于Git的版本控制以及模型卡中的YAML标签。

请查看Hub和Hub Python库文档以获取更多信息。

< > 在 GitHub 上更新