跳到正文
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。

8月2日周二
  1. Hugging Face Blog32

    Nyströmformer:如何通过 Nyström 方法以线性时间和内存近似自注意力机制

    Hugging Face 博客介绍了 Nyströmformer,该模型通过 Nyström 方法将标准自注意力的时间和内存复杂度从 O(n^2) 降低至 O(n)。 其核心机制是利用查询和键的段均值构造 32 或 64 个 landmark 点,避免直接计算完整的 QK^T 矩阵,从而在长序列(如 4096 或 8192 长度)下保持竞争性性能。

7月28日周四
7月27日周三
  1. Hugging Face Blog65

    使用 XLA 加速 Hugging Face TensorFlow 文本生成

    Hugging Face 宣布通过 XLA 编译器显著加速 TensorFlow 文本生成,性能提升最高达 100 倍,在多数情况下比 PyTorch 快 9 倍。该方法通过在 tf.function 中启用 jit_compile 参数实现优化,并需对输入进行填充以固定张量维度,从而避免重复编译。

    推荐理由:展示了XLA编译将TensorFlow文本生成提速至百倍甚至超越PyTorch的方法,给出了可直接复用的优化步骤。

7月25日周一
7月22日周五
7月16日周六
  1. Hugging Face Blog30

    如何通过使用对抗性数据动态训练你的模型

    动态对抗数据收集(DADC)通过多轮人工生成样本欺骗 SOTA 模型并重训,以解决静态基准饱和及偏差问题,提升模型鲁棒性。 文章以 MNIST 手写数字识别为例,使用 Hugging Face Spaces 构建交互演示:用户绘制数字,模型预测,错误样本被标记存入数据集并用于后续训练。

7月13日周三
  1. Hugging Face Blog50

    使用 Sentence Transformers 构建播放列表生成器

    Hugging Face 演示了如何利用 Sentence Transformers 库和 Gradio 构建基于语义搜索的播放列表生成器。该系统采用 sentence-transformers/msmarco-MiniLM-L-6-v3 模型,将歌词分割为段落并生成嵌入向量。通过设置 top_k=20 进行语义搜索,去重后通常可获取至少 9 首相关歌曲,实现了从文本提示到播放列表的生成。

7月7日周四
6月30日周四
6月29日周三
  1. Hugging Face Blog23

    如何利用 Sentence Transformers 从零开始构建首个机器学习项目

    本文以 Sentence Transformers 为例,指导新手如何迈出机器学习第一步。该库能将文本或图像转换为嵌入向量,并利用余弦相似度等工具进行语义搜索。文中还分享了一套“火箭发射”式的项目策略,包括梳理工具能力、寻找 Hugging Face 数据集,以及从简单的语义搜索项目起步进行实践。

6月28日周二
6月23日周四
  1. Hugging Face Blog38

    如何开始使用嵌入:基于 Hugging Face Inference API 的 FAQ 引擎教程

    嵌入是信息的数值化表示,能捕捉语义并用于构建搜索引擎与推荐系统等应用。使用开源 Sentence Transformers 库中的 "sentence-transformers/all-MiniLM-L6-v2" 模型,配合 Hugging Face Inference API,可以快速对 Medicare FAQ 数据集进行嵌入。该方法支持语义搜索,无需大规模标注数据即可实现文本相似度匹配。

6月22日周三
6月9日周四
6月7日周二
6月2日周四
5月20日周五
5月18日周三
  1. Hugging Face Blog33

    Hugging Face 强化学习课程:Q-Learning 入门第一部分

    Hugging Face 发布强化学习课程第二单元第一部分,深入讲解基于价值的方法与 Q-Learning 算法。该单元涵盖状态-价值函数、蒙特卡罗方法与时间差分学习(TD Learning)的区别,并指导开发者从零实现 Q-Learning 智能体。课程通过在 Frozen-Lake-v1 和出租车导航环境中训练智能体,为后续掌握能击败人类水平的 Deep Q-Learning 奠定基础。

5月4日周三
5月2日周一
4月28日周四
  1. Hugging Face Blog20

    Kili 与 HuggingFace AutoTrain 构建文本情感分析主动学习管道

    利用 HuggingFace AutoTrain 和 Kili 构建文本分类主动学习管道,通过迭代标注与模型重训优化情感分析。示例使用 Google Play Store 上约 4 万条 Medium 应用评论,定义了订阅、内容、界面及用户体验四个分类。Kili 提供协作标注工具与 API,支持多类别文本分类及命名实体识别,AutoTrain 则自动化数据清洗、模型选择及超参数优化。

4月26日周二
4月25日周一
4月22日周五
4月5日周二
3月17日周四
  1. Hugging Face Blog42

    如何使用自定义数据集微调 Segformer 语义分割模型

    本教程演示如何使用 Hugging Face 自定义数据集微调 Segformer 模型,以实现人行道语义分割。该模型采用层级 Transformer 编码器与简单 MLP 解码器,在多个常见数据集上取得最先进的性能。通过加载 segments/sidewalk-semantic 数据集并应用数据增强,可实现针对特定场景的模型优化。

3月16日周三
3月11日周五
3月2日周三
  1. Hugging Face Blog23

    BERT 101:解读 NLP 领域尖端模型

    BERT 是由 Google AI Language 于 2018 年开发的自然语言处理模型,利用 Transformer 架构实现了双向文本理解。该模型通过 3.3 亿词的数据集训练,解决了情感分析等 11 类常见 NLP 任务。其衍生版本 DistilBERT 速度提升 60%,同时保持了 95% 以上的性能。

2月11日周五
2月2日周三
2月1日周二
1月13日周四