Hub 文件
函式庫
單一登入 (SSO) 稽核記錄 儲存區域 私人資料集資料工作室 (Data Studio) 資源群組(存取控制) 進階運算選項 進階安全性 Token 管理 發布者分析 門控群組集合 (Gating Group Collections) 網路安全 速率限制 部落格文章
PRO 方案 儲存庫 (Repositories) 儲存庫入門 儲存庫設定 儲存空間限制 儲存後端 (Xet) 本地快取 合併請求 (Pull Requests) 與討論 通知 選集 (Collections) Webhooks GitHub Actions 筆記本 後續步驟 授權協議
模型 (Models) 模型中心 (Model Hub) 模型卡片 評估結果 排行榜資料 門控模型 (Gated Models) 上傳模型 下載模型 整合函式庫
資料集 (Datasets) 適配器 AllenNLP BERTopic Asteroid Diffusers ESPnet fastai Flair Keras TF-Keras (舊版) ML-Agents mlx-image MLX OpenCLIP PaddleNLP peft RL-Baselines3-Zoo Sample Factory Sentence Transformers SetFit spaCy SpanMarker SpeechBrain Stable-Baselines3 Stanza TensorBoard timm Transformers Transformers.js Unity Sentis
模型小工具 (Model Widgets) 模型推論 模型下載統計 模型發布檢查清單 本地應用程式 常見問題集 進階主題 資料集概覽 資料集卡 (Dataset Cards) 門控資料集 (Gated Datasets) 上傳資料集 上傳資料集(針對 LLM) 下載資料集 串流資料集 整合函式庫 資料工作室 (Data Studio) 代理追蹤 (Agent Traces) 資料集下載統計
Spaces Spaces 概覽 Spaces GPU 升級 Spaces ZeroGPU Spaces 開發模式 Spaces 磁碟使用量與儲存空間 Spaces 自訂網域 將 Spaces 作為 MCP 伺服器 將 Spaces 作為代理工具 (Agent Tools) 將 Spaces 作為 API 端點 Gradio Spaces Streamlit Spaces 靜態 HTML Spaces Docker Spaces 嵌入您的 Space 使用 Docker 執行 Spaces Spaces 設定參考 使用 HF 按鈕登入 精選 Spaces Spaces 更新日誌 進階主題
儲存桶 全新 Jobs Agent 代理 (Agents) 概覽 適用於 AI 代理的 Hugging Face CLI Hugging Face MCP 伺服器 Hugging Face 代理技能 使用 HF SDK 建構代理 使用 llama.cpp 建立本地代理 代理函式庫
其他 加入 Hugging Face 社群
並獲得增強的文件體驗
開始使用
函式庫
Hugging Face Hub 支援開源生態系中的數十種函式庫。歸功於 huggingface_hub Python 函式庫,您可以輕鬆地在 Hub 上分享您的模型。Hub 支援許多函式庫,且我們正致力於擴充此支援範圍。我們很高興歡迎一系列推動機器學習進步的開源函式庫加入 Hub。
下表總結了受支援的函式庫及其整合程度。您可以在 model-libraries.ts 檔案中找到我們所有支援的函式庫。
| 程式庫 | 說明 | 推論提供商 | 小工具 (Widgets) | 從 Hub 下載 | 推送到 Hub |
|---|---|---|---|---|---|
| 適配器 | 一個用於參數高效(parameter-efficient)與模組化微調的統一 Transformers 附加元件。 | ✅ | ✅ | ✅ | ✅ |
| AllenNLP | 一個建構於 PyTorch 之上的開源 NLP 研究函式庫。 | ✅ | ✅ | ✅ | ❌ |
| Asteroid | 基於 PyTorch 的音訊來源分離工具組 | ✅ | ✅ | ✅ | ❌ |
| BERTopic | BERTopic 是一個用於文字與影像的主題建模函式庫 | ✅ | ✅ | ✅ | ✅ |
| Diffusers | 用於擴散模型(diffusion models)推論與訓練的模組化工具箱 | ✅ | ✅ | ✅ | ✅ |
| docTR | 用於 PyTorch 與 TensorFlow 中 OCR 相關任務的模型與資料集 | ✅ | ✅ | ✅ | ❌ |
| ESPnet | 端對端語音處理工具組(例如 TTS) | ✅ | ✅ | ✅ | ❌ |
| fastai | 用於訓練具備最先進輸出結果、既快速又精確模型的函式庫。 | ✅ | ✅ | ✅ | ✅ |
| Keras | 開源多後端深度學習框架,支援 JAX、TensorFlow 與 PyTorch。 | ❌ | ❌ | ✅ | ✅ |
| KerasNLP | 建構於 Keras 之上的自然語言處理函式庫,可與 TensorFlow、JAX 或 PyTorch 原生搭配運作。 | ❌ | ❌ | ✅ | ✅ |
| TF-Keras (舊版) | 使用一致且簡單的 API 來建構模型,並利用 TensorFlow 及其生態系的舊版函式庫。 | ❌ | ❌ | ✅ | ✅ |
| Flair | 用於最先進 NLP 的極簡框架。 | ✅ | ✅ | ✅ | ✅ |
| MBRL-Lib | MBRL 演算法的 PyTorch 實作。 | ❌ | ❌ | ✅ | ✅ |
| MidiTok | 用於符號音樂 / MIDI 檔案的標記化工具 (Tokenizers)。 | ❌ | ❌ | ✅ | ✅ |
| ML-Agents | 讓使用 Unity 製作的遊戲與模擬器能作為訓練智慧代理(intelligent agents)的環境。 | ❌ | ❌ | ✅ | ✅ |
| MLX | 由 Apple 開發,針對 Apple Silicon 的模型訓練與服務框架。 | ❌ | ❌ | ✅ | ✅ |
| NeMo | 為研究人員建構的對話式 AI 工具組 | ✅ | ✅ | ✅ | ❌ |
| OpenCLIP | OpenAI CLIP 開源實作的函式庫 | ❌ | ❌ | ✅ | ✅ |
| PaddleNLP | 建構於 PaddlePaddle 之上,易於使用且強大的 NLP 函式庫 | ✅ | ✅ | ✅ | ✅ |
| PEFT | 頂尖的參數高效微調(Parameter Efficient Fine-tuning)函式庫 | ✅ | ✅ | ✅ | ✅ |
| Pyannote | 用於說話者分離(speaker diarization)的神經網路建構組件。 | ❌ | ❌ | ✅ | ❌ |
| PyCTCDecode | 支援語音辨識之語言模型的 CTC 解碼器 | ❌ | ❌ | ✅ | ❌ |
| Pythae | Python 中生成式自動編碼器(Generative Autoencoders)的統一框架 | ❌ | ❌ | ✅ | ✅ |
| RL-Baselines3-Zoo | 使用 Stable Baselines3 的強化學習訓練框架。 | ❌ | ✅ | ✅ | ✅ |
| Sample Factory | 用於高吞吐量非同步強化學習的程式碼庫。 | ❌ | ✅ | ✅ | ✅ |
| Sentence Transformers | 計算句子、段落與影像的密集向量表示。 | ✅ | ✅ | ✅ | ✅ |
| SetFit | 使用 Sentence Transformers 進行高效的小樣本(few-shot)文字分類 | ✅ | ✅ | ✅ | ✅ |
| spaCy | Python 與 Cython 中的進階自然語言處理。 | ✅ | ✅ | ✅ | ✅ |
| SpanMarker | 熟悉、簡單且最先進的命名實體識別(Named Entity Recognition)。 | ✅ | ✅ | ✅ | ✅ |
| Scikit Learn (使用 skops) | Python 中的機器學習。 | ✅ | ✅ | ✅ | ✅ |
| Speechbrain | 一個由 PyTorch 驅動的語音工具組。 | ✅ | ✅ | ✅ | ❌ |
| Stable-Baselines3 | 在 PyTorch 中針對深度強化學習演算法的一系列可靠實作 | ❌ | ✅ | ✅ | ✅ |
| TensorFlowTTS | 即時、最先進的語音合成架構。 | ❌ | ❌ | ✅ | ❌ |
| Timm | 影像模型、指令碼、預訓練權重等的集合。 | ✅ | ✅ | ✅ | ✅ |
| Transformers | 適用於 PyTorch、TensorFlow 與 JAX 的最先進自然語言處理 | ✅ | ✅ | ✅ | ✅ |
| Transformers.js | Web 上最先進的機器學習。直接在瀏覽器中執行 🤗 Transformers,無需伺服器! | ❌ | ❌ | ✅ | ❌ |
| Unity Sentis | Unity 3D 遊戲引擎的推論引擎 | ❌ | ❌ | ❌ | ❌ |
我該如何新增對新函式庫的支援?
如果您有興趣新增您的函式庫,請聯繫我們!請閱讀新增函式庫指南以了解詳情。
在 GitHub 上更新