跳到正文
1月19日周四
1月16日周一
  1. Hugging Face Blog36

    Hugging Face 利用 Datasets 和 Transformers 构建图像相似度系统

    该文章展示了如何使用 Hugging Face 的 Transformers 和 Datasets 库构建图像相似度系统。系统采用基于 ViT 的 nateraw/vit-base-beans 模型计算图像嵌入向量,通过余弦相似度匹配查询图像与候选集。代码支持并行处理,并可通过 Swin Transformer 或 ConvNeXT 等模型扩展至其他图像数据集。

1月9日周一
1月3日周二
  1. Hugging Face Blog38

    图机器学习入门:基础概念、表示方法与图神经网络

    文章介绍图机器学习基础,涵盖图的结构定义(节点、边、异质/同质、有向/无向)及其在分子、社交网络、知识图谱等领域的应用。 阐述了图的两种主要表示方式(边集合与邻接矩阵)及置换不变性,区分了归纳式与直推式设置,并简要回顾从传统图特征方法到图神经网络(GNN)及图Transformer的发展脉络。

1月2日周一
12月21日周三
  1. Hugging Face Blog33

    CLIPSeg 零样本图像分割指南

    Hugging Face 发布教程,展示如何使用 🤗 transformers 调用 CLIPSeg 进行零样本图像分割。该模型基于冻结的 CLIP 表示和 Transformer 解码器,能在无额外训练的情况下生成粗略分割掩码。对于追求高精度的场景,可用 Segments.ai 工具对结果进行细化。

12月15日周四
12月14日周三
  1. Hugging Face Blog67

    Habana Gaudi2 vs Nvidia A100 80GB:模型训练与推理性能对比

    Habana Gaudi2在BERT预训练、Stable Diffusion推理和T5-3B微调上的吞吐或延迟比Nvidia A100 80GB快约1.8至2.84倍,且支持更大模型微调。测试通过Optimum Habana框架完成,单卡显存为96GB;A100使用fp16,Gaudi使用bf16或fp32。

    推荐理由:给出了Gaudi2与A100的逐项吞吐、延迟和参数量对比,读者可以据此判断硬件替代成本。

12月9日周五
  1. Hugging Face Blog63

    Hugging Face 详解 RLHF(基于人类反馈的强化学习)原理与开源实现

    RLHF 利用人类反馈直接优化大语言模型,使其对齐复杂的人类价值观。该流程包含预训练语言模型、收集数据并训练奖励模型、使用 PPO 强化学习微调语言模型三个核心步骤。Hugging Face 介绍了当前活跃的开源工具 TRL、TRLX 和 RL4LMs,并梳理了该领域的发展脉络、现存挑战及后续方向。

    推荐理由:将多模型协同训练的复杂机制拆解为三阶段并梳理开源工具,帮助读者建立对RLHF完整管线的实操理解。

12月2日周五
  1. Hugging Face Blog32

    Hugging Face 讲解如何用蛋白质语言模型与 ESMFold 进行深度学习

    Hugging Face 发布教程,指导生物学家和机器学习人员利用类 BERT/GPT 的蛋白质语言模型及 ESMFold 进行蛋白质折叠与微调。教程提供 PyTorch 和 TensorFlow 示例 notebook,并重点解析迁移学习机制。 文章强调迁移学习在 2018 年成为自然语言处理突破,其核心是在丰富数据上预训练后复用网络结构,能带来超过 100 倍的训练数据效率提升。

12月1日周四
11月25日周五
11月21日周一
11月17日周四
11月8日周二
  1. Hugging Face Blog52

    Hugging Face transformers 新增对比搜索解码方法

    Hugging Face 在 transformers 库中新增了 Contrastive Search 解码方法,支持 PyTorch 和 TensorFlow。该方法在模型置信度基础上引入退化惩罚,以缓解贪心搜索的重复问题和随机采样的语义不连贯。文中展示了使用 GPT-2 和 OPT 模型时,对比搜索生成的文本在流畅性和事实准确性上均优于传统方法。

11月7日周一
11月3日周四
  1. Hugging Face Blog56

    使用 Hugging Face Transformers 微调 Whisper 实现多语言语音识别

    Hugging Face 发布教程,演示如何使用 Transformers 库微调 OpenAI 的 Whisper 模型以适配多语言语音识别。教程以 Common Voice 11.0 中的印地语数据为例,展示了从数据准备、特征提取到模型训练的全流程。使用约 8 小时的小规模数据对 Whisper small 进行微调后,模型在测试集上的词错误率从 63.5% 降至 32.0%。

10月24日周一
  1. Hugging Face Blog34

    如何使用 Hugging Face Evaluate 库评估语言模型偏差

    Hugging Face 在其 Evaluate 库中新增了偏差指标,用于评估因果语言模型(CLM)如 GPT-2 和 BLOOM 的生成偏差。 开发者可通过预定义提示词生成文本,并利用 Toxicity、Polarity 和 Hurtfulness 三个任务进行测量。 示例显示,简单的代词差异可能导致模型补全的毒性分数不同,如女性代词补全的毒性比率高达 0.3333。

10月21日周五
10月14日周五
10月13日周四
10月12日周三
9月27日周二
9月16日周五
9月8日周四
  1. Hugging Face Blog50

    Hugging Face 教程:从零训练你的第一个 Decision Transformer

    Hugging Face 发布教程,指导用户利用 transformers 库和 Google Colab 从零训练离线 Decision Transformer 模型。该模型基于 GPT-2 架构,将强化学习抽象为条件序列建模问题,通过预测未来动作实现目标回报。教程演示了使用 Gym HalfCheetah 专家数据集及自定义 Data Collator 进行离线 RL 训练的完整流程。

9月7日周三
8月31日周三
8月24日周三
8月22日周一
8月19日周五
8月18日周四
8月12日周五
  1. Hugging Face Blog42

    Hugging Face 的 TensorFlow 技术哲学

    Hugging Face 强调其 TensorFlow 模型均封装为 Keras Model 对象,允许用户直接调用 fit()、compile() 和 predict() 方法。文章指出 TF 与 Keras 及 tf.data 紧密集成,这种架构使 Hugging Face 的 transformers 库在 TensorFlow 后端下能无缝利用预训练模型进行高效推理与训练。

8月11日周四
  1. Hugging Face Blog40

    使用 TF Serving 在 Kubernetes 上部署 ViT 模型

    文章介绍如何利用 Docker 和 Kubernetes 扩展本地部署的 Vision Transformer (ViT) 模型。通过基于 TensorFlow Serving 基础镜像容器化应用逻辑,并结合 Google Kubernetes Engine (GKE) 管理集群,实现支持多用户的规模化部署。该流程支持 gRPC 和 HTTP/REST 端点,便于处理原始图像输入并返回预测结果。

8月10日周三
8月5日周五
  1. Hugging Face Blog40

    深度强化学习课程第八单元:从零实现近端策略优化 (PPO)

    Hugging Face 深度强化学习课程第八单元讲解近端策略优化(PPO),通过限制策略更新幅度提升训练稳定性。文章详细推导了基于概率比率的截断替代目标函数,解释了在 [1-ϵ, 1+ϵ] 区间内裁剪比率以防止策略剧烈变化的机制。随后使用 PyTorch 从零实现 PPO 架构,并在 CartPole-v1 和 LunarLander-v2 环境中验证实现的有效性。