歡迎 spaCy 加入 Hugging Face Hub

spaCy 是一個流行的用於高階自然語言處理的庫，在業界廣泛使用。spaCy 使您可以輕鬆使用和訓練用於命名實體識別、文字分類、詞性標註等任務的管道，並讓您構建強大的應用程式來處理和分析大量文字。

Hugging Face 讓您可以非常輕鬆地與社群共享您的 spaCy 管道！只需一條命令，您就可以上傳任何管道包，並自動為您生成漂亮的模型卡和所有必需的元資料。推理 API 目前開箱即用地支援 NER，您可以在瀏覽器中互動式地試用您的管道。您還將獲得您的包的即時 URL，您可以從任何地方使用 pip install，從而實現從原型到生產的平滑路徑！

查詢模型

可以在 spaCy 組織中找到 60 多個規範模型。這些模型來自 最新 3.1 版本，因此您可以立即試用最新發布的模型！除此之外，您還可以在這裡找到社群中的所有 spaCy 模型：https://huggingface.co/models?filter=spacy。

小部件

此整合包括對 NER 小部件的支援，因此所有帶有 NER 元件的模型都將開箱即用！即將支援文字分類和 POS。

使用現有模型

Hub 中的所有模型都可以直接使用 pip install 安裝。

pip install https://huggingface.co/spacy/en_core_web_sm/resolve/main/en_core_web_sm-any-py3-none-any.whl

# Using spacy.load().
import spacy
nlp = spacy.load("en_core_web_sm")

# Importing as module.
import en_core_web_sm
nlp = en_core_web_sm.load()

當您開啟一個倉庫時，您可以點選 Use in spaCy，您將獲得一個可用的程式碼片段，您可以使用它來安裝和載入模型！

您甚至可以發出 HTTP 請求來從推理 API 呼叫模型，這在生產環境中很有用。這是一個簡單請求的示例：

curl -X POST  --data '{"inputs": "Hello, this is Omar"}' https://api-inference.huggingface.co/models/spacy/en_core_web_sm
>>> [{"entity_group":"PERSON","word":"Omar","start":15,"end":19,"score":1.0}]

對於更大規模的使用場景，您可以點選“部署 > 加速推理”，檢視如何使用 Python 完成此操作。

分享您的模型

但最酷的功能可能是，現在您可以使用 spacy-huggingface-hub 庫 非常輕鬆地分享您的模型，該庫透過新的命令 huggingface-hub push 擴充套件了 spaCy CLI。

huggingface-cli login
python -m spacy package ./en_ner_fashion ./output --build wheel
cd ./output/en_ner_fashion-0.0.0/dist
python -m spacy huggingface-hub push en_ner_fashion-0.0.0-py3-none-any.whl

只需一分鐘，您就可以將打包的模型上傳到 Hub，直接在瀏覽器中試用，並與社群的其他成員分享。所有必需的元資料都將為您上傳，您甚至會得到一個很酷的模型卡。

試一試，與社群分享您的模型吧！

您想將您的庫整合到 Hub 嗎？

此整合得益於 huggingface_hub 庫，該庫擁有我們所有的部件和所有受支援庫的 API。如果您想將您的庫整合到 Hub，我們為您準備了指南！