Hugging Face 上线 huggingface_hub 增强版 Hub 搜索 API
Hugging Face 为 huggingface_hub 库新增 ModelSearchArguments、DatasetSearchArguments 和 ModelFilter,让用户直接在 Python 或 Jupyter 中按 pipeline 任务、数据集、框架等条件搜索 Hub 上的模型和数据集。
Hugging Face 为 huggingface_hub 库新增 ModelSearchArguments、DatasetSearchArguments 和 ModelFilter,让用户直接在 Python 或 Jupyter 中按 pipeline 任务、数据集、框架等条件搜索 Hub 上的模型和数据集。
Hugging Face 将 PyTorch 深度强化学习库 Stable-Baselines3 集成到 Hub,模型可直接上传和加载。
HF Mirror 公布 Infinity 推理方案在 Intel Ice Lake 版 Amazon EC2 C6i 实例上的实测结果:用 Infinity Multiverse 优化 DistilBERT 后,延迟与吞吐较 cascade-lake 实例最高提升 34%,较原生 Transformers 最高提升 800%。
Hugging Face 发布首个自定义深度强化学习环境 Snowball Fight 1vs1,玩家可在该 Unity ML-Agents 游戏中向深度强化学习智能体投掷雪球,环境已托管于 Hugging Face Spaces 并可在线试玩。训练环境已开源发布在 Hugging Face Hub,后续将推出技术教程及采用 MA-POCA 算法的 2vs2 协作版本。
Hugging Face 发布开源 Python 库与无代码界面 Data Measurements Tool,基于 Dataset 和 Spaces Hub 搭配 Streamlit 构建,可在线构建、测量和对比数据集。
HuggingFace 课程第二部分将于 11 月 15 日发布,聚焦 token 分类、语言建模、翻译、摘要和问答等 NLP 任务,并深入讲解 Datasets 与 Tokenizers。配套社区活动含两天讲座与团队微调项目,AWS 通过 Amazon SageMaker 提供免费算力,完成 demo 可获结业证书。
Hugging Face 博客介绍如何用 Gradio 在 Spaces 中托管模型演示:通过 gr.Interface.load() 调用 Inference API 加载 Hub 上的模型,几行代码即可运行,支持 image-to-text、speech-to-text、text-to-speech 等类型。
Hugging Face 夏季更新中,Hub 公开模型仓库从 1 万个增至超 1.6 万个,并推出托管 ML 演示应用的 Spaces 测试版,支持 Gradio 和 Streamlit。
Hugging Face 发布开源库 Optimum,目标是提供 Transformer 生产性能的优化工具包,让工程师能在特定硬件上高效训练和运行模型。
HF Mirror 宣布支持 spaCy,用户可用单条命令上传 pipeline 包,自动生成 model card 和元数据。spaCy 组织下已托管超过 60 个来自 3.1 版本的官方模型,Inference API 目前开箱支持 NER,未来将加入文本分类和 POS。模型可直接 pip install,也可通过 API 或浏览器交互调用。
Hugging Face 与 Amazon 合作推出 Hugging Face Inference DLC 和 SageMaker Inference Toolkit,可部署在 SageMaker 中训练的模型,也可直接从 Model Hub 的 10,000+ 公开模型中选取并部署。
Hugging Face Hub 集成 Sentence Transformers,随 v2 版本上线 90 多个预训练模型,覆盖 100 多种语言,可在 Hub 中直接加载使用。Hub 新增 feature-extraction 与句相似度两个 widget,并提供 Inference API 供程序化调用,模型可通过 save_to_hub 一键分享并自动生成 model card。
Hugging Face 发布 Accelerate 库,面向希望完全控制训练循环的 PyTorch 用户,用五行代码改动即可在任意设备上运行原始训练脚本,支持多节点多 GPU、TPU 与混合精度。
HF Mirror Transformers 发布了 TensorFlow 模型的计算性能改进,BERT、RoBERTa、ELECTRA 和 MPNet 在 graph/eager 模式、TF Serving 及 CPU/GPU/TPU 上均获得加速。