什么是HuggingFace？Huggingface 已是无法绕过的存在

Huggingface汇聚了众多最前沿的模型和数据集等有趣的成果，与强大的 transformers 库深度结合，也因transformers模型而闻名，为开发者提供了一个极为便捷的平台，使得大家能够快速上手学习和使用这些模型。可以毫不夸张地说，如今在提及 NLP 时，Huggingface 已然是无法绕过的存在，它就如同算法模型领域的 GitHub，极大地推动了 AI 技术的共享与发展。

其官网链接为：https://huggingface.co/ 。

同时国内也有一款类似的优秀产品——GiteeAI。GiteeAI 同样致力于为国内的 AI 开发者提供丰富的算法模型资源，涵盖了与 Huggingface 类似的多个领域，包括计算机视觉、自然语言处理、语音处理等。它为国内的 AI 社区搭建了一个便捷的资源共享和交流平台，促进了国内 AI 技术的发展。

Huggingface 涵盖丰富多样的领域

        Huggingface 涵盖了丰富多样的领域，包括 Computer Vision（计算机视觉）、Natural Language Processing（自然语言处理）、Audio（语音处理）、Multimodal（多模态）、Tabular（表格处理）以及 Reinforcement Learning（强化学习）。这些领域的覆盖，使得不同方向的 AI 开发者都能在 Huggingface 找到所需的资源。

Huggingface主要包括以下几部分

1）Models（模型），Huggingface 上拥有各种处理NLP等任务的算法模型，这些模型都可以免费获取。这为广大研究者和开发者提供了宝贵的资源，无论是初学者想要尝试不同的模型架构，还是资深专家进行创新性的研究，都能在这里找到合适的模型起点。

2）Datasets（数据集），丰富的数据集是训练和评估模型的关键。Huggingface 提供了大量不同类型的数据集，涵盖了多种领域和任务。这些数据集为模型的训练和优化提供了坚实的基础，帮助开发者更好地适应不同的应用场景。开发者也可以你自己上传数据集到该平台，供大家研究学习使用。

3）Spaces（分享空间），Spaces 就像是 Huggingface 的 “朋友圈”，在社区空间下展示着最新的一些有意思的分享。在这里，开发者们可以分享自己的项目经验、创新应用，或者是对模型的独特见解。

4）Docs（文档）：全面的文档是学习和使用模型算法的重要指引。Huggingface 的 Docs 包含了各种模型算法等说明使用文档，无论是对模型原理的深入解释，还是实际使用中的参数设置和代码示例

5）Solutions（解决方案，体验等），Solutions 部分为用户提供了各种实际应用场景下的解决方案以及体验。这不仅有助于开发者将模型应用到实际项目中，还能让他们从他人的经验中学习，更好地理解模型在不同场景下的表现和优化方向。

如何使用Huggingface？

1）可以在这儿测试模型的效果、查看模型的效果说明

2）代码调用giteeAi大模型

需要安装huggingface_hub

pip install -U huggingface_hub

安装transformers库

pip install transformers

使用以下命令安装Transformers 和 PyTorch：

pip install 'transformers[torch]'

Transformers 和 TensorFlow 2.0：

pip install 'transformers[tf-cpu]'

在ai.gitee运行一个大模型demo

定制AI的聊天角色风格 | 模力方舟（Gitee AI）

首先安装python的openai库

pip3 install openai

完成调用大模型的Python脚本

from openai import OpenAI
import json
base_url = "https://ai.gitee.com/v1"
model_name = "Qwen2.5-72B-Instruct"
# 模力方舟（Gitee AI） 获取你的 api_key
client = OpenAI(base_url=base_url, api_key="token")

completion = client.chat.completions.create(
    model=model_name,
    stream=True,
    temperature=0.7,
    top_p=0.95,
    frequency_penalty=1.05,
    messages=[
        {"role": "system", "content": "你是二次元女生，叫萌萌，喜欢使用颜文字，请用二次元可爱语气和我说话，多使用表情"},
        {"role": "user", "content": "我今天不太开心，怎么办？"}
    ]
)

for chunk in completion:
    print(chunk.choices[0].delta.content, end="")

copy token

访问令牌 - 工作台 - 模力方舟（Gitee AI）

ok，执行可以了