hugging face

大模型部署：AI大模型在医学影像分类中的ONNX、TensorRT和Docker应用🧑 博主简介：CSDN博客专家、CSDN平台优质创作者，高级开发工程师，数学专业，10年以上C/C++, C#,Java等多种编程语言开发经验，拥有高级工程师证书；擅长C/C++、C#等开发语言，熟悉Java常用开发技术，能熟练应用常用数据库SQL server,Oracle,mysql,postgresql等进行开发应用，熟悉DICOM医学影像及DICOM协议,业余时间自学JavaScript,Vue,qt,python等，具备多种混合语言开发能力。撰写博客分享知识，致力于帮助编程爱好者共同进步。欢迎

chromadb使用hugging face模型时利用镜像网站下载注意事项chromadb默认使用sentence-transformers/all-MiniLM-L6-v2的词嵌入（词向量）模型，如果在程序首次运行时，collection的add或query操作时如果没有指定embeddings或query_embeddings，程序会自动下载相关嵌入向量模型，但是由于默认hugging face后端网络下载速度常常非常慢，所以需要指定镜像网站以加快模型下载速度。

小喵要摸鱼

【Hugging Face 开源库】Diffusers 库 —— 扩散模型Diffusers 是 Hugging Face 开源的 Python 库，专门用于加载、训练和推理扩散模型（Diffusion Models）。

Hugging Face的Transformers核心模块：Pipelines(参数说明，各种模型类型调用案例)如果电脑配置不够可以参考文章《学AI-撸羊毛-免费GPU服务器-kaggle-每周30小时-可以进行数据训练，大模型微调》申请免费服务器执行代码。

Yongqiang Cheng

Hugging Face GGUF 模型可视化无知小儿，仙家雄霸天下，依附强者才是唯一的出路。否则天地虽大，也让你们无路可走！GGUF https://huggingface.co/docs/hub/gguf

Yongqiang Cheng

Hugging Face Transformers and Meta LlamaHugging Face https://github.com/huggingfacehttps://github.com/huggingface/transformers

开源开发者指南：欧盟《人工智能法案》解读欧盟《人工智能法案》 (EU AI Act) 是全球首部全面的人工智能立法，现已正式生效，它将影响我们开发和使用人工智能的方式——包括在开源社区中的实践。如果您是一位开源开发者，正在适应这一新环境，可能会想知道这对您的项目意味着什么。本指南重点解读了该法规的关键要点，特别是针对开源开发者，提供了对这一法规的清晰介绍，并指引您使用相关工具来帮助合规。

为数据集而生的 SQL 控制台随着数据集的使用量急剧增加，Hugging Face 社区已经变成了众多数据集默认存放的仓库。每月，海量数据集被上传到社区，这些数据集亟需有效的查询、过滤和发现。

Hugging Face 与 TruffleHog 合作，实现风险预警我们非常高兴地宣布与 Truffle Security 建立合作伙伴关系并在我们的平台集成 TruffleHog 强大的风险信息扫描功能。这些特性是我们持续致力于提升安全性的重要举措之一。

stable-zero123模型构建指南stabilityai出品，能够对有简单背景的物体进行三维视角图片的生成，简单来说也就是通过调整变换观察的视角生成对应视角的图片。

使用 HFD 加快 Hugging Face 模型和数据集的下载Hugging Face 提供了丰富的预训练模型和数据集，而且使用 Hugging Face 提供的 from_pretrained() 方法可以轻松加载它们，但是，模型和数据集文件通常体积庞大，用默认方法下载起来非常花时间。

ggml 简介ggml 是一个用 C 和 C++ 编写、专注于 Transformer 架构模型推理的机器学习库。该项目完全开源，处于活跃的开发阶段，开发社区也在不断壮大。ggml 和 PyTorch、TensorFlow 等机器学习库比较相似，但由于目前处于开发的早期阶段，一些底层设计仍在不断改进中。

Llama 3.1 - 405B、70B 和 8B 的多语言与长上下文能力解析Llama 3.1 发布了！今天我们迎来了 Llama 家族的新成员 Llama 3.1 进入 Hugging Face 平台。我们很高兴与 Meta 合作，确保在 Hugging Face 生态系统中实现最佳集成。Hub 上现有八个开源权重模型 (3 个基础模型和 5 个微调模型)。

AGI 之【Hugging Face】的【问答系统】的 [评估并改进问答Pipeline] / [ 生成式问答 ] 的简单整理目录AGI 之【Hugging Face】的【问答系统】的 [评估并改进问答Pipeline] / [ 生成式问答 ] 的简单整理

AGI 之【Hugging Face】的【零样本和少样本学习】之一 [构建标记任务] / [ 基线模型 ] 的简单整理目录AGI 之【Hugging Face】的【零样本和少样本学习】之一 [构建标记任务] / [ 基线模型 ] 的简单整理

AGI 之【Hugging Face】的【问答系统】的 [Haystack构建问答Pipeline] 的简单整理目录AGI 之【Hugging Face】的【问答系统】的 [Haystack构建问答Pipeline] 的简单整理

AGI 之【Hugging Face】的【文本分类】的 [文本分类器] 的简单整理目录AGI 之【Hugging Face】的【文本分类】的 [文本分类器] 的简单整理一、简单介绍

AGI 之【Hugging Face】的【文本分类】的[数据集][文本转换成词元]的简单整理目录AGI 之【Hugging Face】的【文本分类】的[数据集][文本转换成词元]的简单整理一、简单介绍