Hugging Face 是一个专注于自然语言处理的开源平台，提供强大的预训练模型和工具，让开发者轻松构建和部署AI应用。

开发厂商

    Hugging Face 是由法国创业者 Clément Delangue、Julien Chaumond 和 Thomas Wolf 在纽约创立的一家公司。

是否开源

    Hugging Face 是开源的，其核心产品包括 Transformers 库和 Datasets 库，支持 PyTorch、TensorFlow 等深度学习框架。

遵从的协议

    Hugging Face 的代码和模型遵循 Apache 2.0 许可协议。

官网地址

    Hugging Face 的官网地址是：https://huggingface.co/。

如何下载安装

    安装 Transformers 库：

    pip install transformers

    安装 Datasets 库：

    pip install datasets

    使用 huggingface-cli 下载模型：

    安装 huggingface_hub 库：

    pip install -U huggingface_hub

    设置环境变量（可选，用于加速下载）：

    Linux：

    export HF_ENDPOINT=https://hf-mirror.com

    Windows：

    bash复制

    $env:HF_ENDPOINT = "https://hf-mirror.com"

下载模型：

    huggingface-cli download --resume-download model_name --local-dir local_directory

    例如：

    huggingface-cli download --resume-download gpt2 --local-dir gpt2

安装包大小

    安装包大小取决于具体的模型和库版本。例如，transformers 库的安装包通常在 10-20MB 左右。

网速大小

    在国内，使用 https://hf-mirror.com/ 镜像可以显著提高下载速度。

    例如，下载 7B 参数的大模型（如 Qwen2-7B）通常需要 7-8分钟。

Hugging Face 的工作原理基于以下核心组件：

Transformers 库：提供大量预训练模型（如 BERT、GPT、RoBERTa 等），支持多种深度学习框架。

Datasets 库：提供丰富的开源数据集，便于加载和预处理。

Tokenizers：高效的分词工具，将文本转换为模型可处理的输入。

Trainer API：提供高层抽象，用于快速训练和评估模型。

Hugging Face 比作一个通俗的例子

如果将 Hugging Face 比作一个 “工具箱”，那么它就像是一个为开发者准备好的工具箱，里面装满了各种预训练模型（工具），开发者可以直接使用这些工具来完成各种自然语言处理任务。