企業中心菜譜

企業中心菜譜專為希望超越Hugging Face Hub標準免費功能，並將機器學習更深入地整合到其生產工作流程中的高階使用者和企業設計。本菜譜透過精選的食譜（Jupyter Notebooks）提供可複製貼上的程式碼，幫助您開始使用中心的先進功能。

在HF Spaces中進行互動式開發

透過JupyterLab Spaces，您可以像Google Colab一樣啟動您的個人Jupyter Notebook，但擁有更廣泛、更可靠的CPU和GPU選擇（例如H100或4xA10G），您可以隨時選擇和切換。此外，透過啟用Spaces Dev Mode，您還可以從本地IDE（例如VS Code）使用此雲硬體。閱讀本食譜以瞭解如何啟動GPU並透過本地IDE連線到它。

欲瞭解更多詳情，請閱讀JupyterLab Spaces和開發模式文件。

推理API (無伺服器)

使用我們的無伺服器推理API，您可以透過簡單的API呼叫測試一系列開源模型（例如生成式LLM、高效嵌入模型或影像生成器）。無伺服器推理API有速率限制，主要用於初始測試或低容量使用。閱讀本食譜以瞭解如何查詢無伺服器推理API。

欲瞭解更多詳情，請閱讀無伺服器API文件。

推理端點 (專用)

使用我們的專用推理端點，您可以在各種硬體上輕鬆部署任何模型，只需幾次點選即可建立您個人的生產就緒API。閱讀本食譜以瞭解如何建立和配置您自己的專用端點。

欲瞭解更多詳情，請閱讀專用端點文件。

使用Argilla Spaces進行資料標註

無論您是零樣本測試LLM還是訓練您自己的模型，建立好的測試或訓練資料可能是您機器學習之旅開始時最有價值的投資。Argilla是一個免費的開源資料標註工具，使您能夠為文字、影像或音訊任務建立高質量的資料。閱讀本食譜以瞭解如何在瀏覽器中建立資料標註工作流程（單獨或在更大的團隊中）。

另請參閱Argilla文件和HF Argilla Spaces整合，瞭解更多詳情。

AutoTrain Spaces (即將推出)

透過AutoTrain Spaces，您可以透過簡單的介面訓練您自己的機器學習模型，無需任何程式碼。閱讀本食譜以瞭解如何在Hugging Face Hub上的AutoTrain Space中，在各種GPU上微調您自己的LLM。

另請參閱AutoTrain文件以瞭解更多資訊。

使用Spaces和Gradio建立私人演示

直觀的演示勝於雄辯。如果您想說服利益相關者接受機器學習最小可行產品 (MVP)，演示尤為重要。閱讀本食譜以瞭解如何使用Gradio在Spaces上建立私人機器學習演示。

另請參閱Spaces和Gradio Spaces文件以瞭解更多資訊。

Hub上的高階協作 (即將推出)

隨著您的團隊和用例的增長，管理資料集、模型和團隊成員變得更加複雜。閱讀本食譜以瞭解高階協作功能，例如針對特定資源組的私有資料集、基於Git的版本控制以及模型卡中的YAML標籤。

請檢視Hub和Hub Python庫文件以獲取更多資訊。

< > 在 GitHub 上更新