Hugging Face 介紹 SetFit：無需提示詞的高效少樣本學習框架
Hugging Face 與 Intel Labs、UKP Lab 共同介紹 SetFit，這是一套無需提示詞、以少量標註資料微調 Sentence Transformers 的少樣本學習框架。
推薦理由：文章比較 SetFit 與其他少樣本方法在 RAFT 等基準的表現，並列出訓練時間與成本，提供分類效能和訓練效率的直接參照。
#Hugging Face
#Hugging Face
今日 0 條Hugging Face Blog精選AI 評分7070
Hugging Face BlogAI 評分3838 Hugging Face《倫理與社會通訊》第 1 期
Hugging Face 推出《倫理與社會通訊》，分享將協作、責任與透明度等價值融入 AI 開發的思考與實踐。通訊每季於春分、秋分及夏至、冬至刊出，內容涵蓋文件與評估工具、教育項目、資料偏斜與偏見分析，以及模型訓練碳排追蹤。Hugging Face 亦開放對模型、資料及 Spaces 的直接回饋，並支援舉報模型與 Spaces 儲存庫中的倫理及法律問題。
Hugging Face Blog精選AI 評分8181 Diffusers 0.3 新增圖生圖、Textual Inversion 等功能
Hugging Face 團隊介紹 Diffusers 0.3 的功能更新，涵蓋圖生圖、Textual Inversion、實驗性修補管線及推理優化。Textual Inversion 可用 3-5 張樣本個人化 Stable Diffusion；啟用優化後，Stable Diffusion 僅需 3.2GB VRAM，生成結果相同但速度降低 10%。
推薦理由：Diffusers 0.3 把圖生圖、模型個人化等功能更新，連同小顯存、Mac 與 ONNX 的操作示例一併呈現，便於對照 Stable Diffusion 在不同環境的操作與部署方式。
Hugging Face BlogAI 評分5858 Hugging Face 示範如何從零訓練第一個離線 Decision Transformer
Hugging Face 示範如何使用離線強化學習資料，從零訓練 Decision Transformer，使其學習 Gym HalfCheetah 環境中的奔跑行為。
Hugging Face BlogAI 評分5757 如何使用 Megatron-LM 訓練語言模型
Megatron-LM 可在 NVIDIA GPU 上用於訓練 GPT2，並可將訓練後的模型轉換為 Transformers 支援的格式。教程以 110M 參數的 CodeParrot 為例，涵蓋資料預處理、8 張 GPU 訓練（約需 12 小時）及權重轉換。文章指出額外的預處理和轉換會增加時間開銷，建議將 Megatron-LM 用於預訓練或較長時間微調，而非中型模型的短期微調。
Hugging Face BlogAI 評分5454 在 Hugging Face Spaces 中可視化蛋白質
這篇教程示範如何在 Hugging Face Spaces 中使用 3Dmol.js 和 Gradio HTML 區塊呈現蛋白質結構。示例應用接受 4 位 PDB code 或上傳的 PDB 檔案，並透過 iframe 顯示結構。2024 年 5 月更新建議使用 Molecule3D Gradio Custom Component，讓用户可即時修改蛋白質可視化，亦更容易設定預設可視化。
Hugging Face Blog精選AI 評分7878 使用 Diffusers 執行 Stable Diffusion 圖像生成並自訂推理流程
Hugging Face 文章示範如何用 Diffusers 的 StableDiffusionPipeline 執行 Stable Diffusion 文生圖，並介紹模型原理及自訂推理流程。
推薦理由：文章從 Stable Diffusion 的基礎生成示例延伸至參數設定與自訂推理流程，並解釋 VAE、U-Net 和文字編碼器在潛在空間生成中的分工，提供拆解 Diffusers pipeline 的實用脈絡。
Hugging Face BlogAI 評分5656 在 Vertex AI 部署 🤗 ViT
Hugging Face Blog 示範將 🤗 Transformers 中以 TensorFlow 實作的 ViT B/16 部署至 Vertex AI，並透過 Python SDK 建立端點及發送預測請求。文章説明模型版本管理、流量分配、監控與資源設定，並記錄 Locust 本機負載測試約發出 17230 次請求，平均延遲為 646 Milliseconds。
Hugging Face Blog精選AI 評分8484 Hugging Face Transformers、Accelerate 與 bitsandbytes 的大規模 8-bit 矩陣乘法入門
Hugging Face 將 LLM.int8() 整合至 Transformers 與 Accelerate，透過混合 INT8/FP16 矩陣乘法降低大型語言模型推理所需的記憶體。
推薦理由：文章串連 LLM.int8() 的離羣特徵處理、效能比較與 Transformers 整合細節，呈現 8-bit 量化降低大型模型記憶體需求的實作脈絡。
Hugging Face BlogAI 評分5555 Hugging Face 推出 Skops，支援託管 scikit-learn 模型及建立模型卡
Hugging Face 推出 Skops，這個程式庫可將 scikit-learn 模型託管至 Hugging Face Hub，並建立模型卡以記錄模型資訊及促進協作。
Hugging Face Blog精選AI 評分6060 Hugging Face 的 TensorFlow 設計理念
Hugging Face 説明 Transformers 的 TensorFlow 設計取向，將模型和層設為 Keras Model 與 Keras Layer，讓使用者可直接調用 fit()、compile() 和 predict()。
推薦理由：文章梳理 Hugging Face Transformers 對 TensorFlow 的六項設計取向，並以 Keras 訓練、資料管線、XLA 與部署示例，呈現這些取捨如何落實到模型訓練和部署流程。
Hugging Face BlogAI 評分5050 使用 TF Serving 在 Kubernetes 上部署 Hugging Face Transformers 的 ViT
Hugging Face Blog 示範如何以 Docker 和 TensorFlow Serving，將 🤗 Transformers 的 Vision Transformer（ViT）部署至 Kubernetes。
Hugging Face BlogAI 評分5656 PPO（近端策略優化）原理與 PyTorch 實作教程
Hugging Face 深度強化學習課程第 8 單元講解 PPO（近端策略優化），説明其透過裁剪策略概率比限制更新幅度，以提升訓練穩定性。文章介紹裁剪替代目標函數，並以 PyTorch 從零實作 PPO，在 CartPole-v1 和 LunarLander-v2 測試；示例裁剪範圍為 [0.8,1.2]（ϵ=0.2）。
Hugging Face BlogAI 評分5151 🤗 Datasets 新增音訊與視覺資料集文件
Hugging Face 為 🤗 Datasets 新增音訊與圖像資料集文件，並更新 Quickstart，提供使用 PyTorch 或 TensorFlow 載入及處理資料集的端到端示例。
Hugging Face BlogAI 評分5656 Hugging Face Transformers 如何用 TF Serving 部署 TensorFlow 視覺模型
Hugging Face Transformers 的 Vision Transformer（ViT）圖像分類模型，可使用 TensorFlow Serving 在本機部署並透過 REST 或 gRPC 提供服務。教程將圖像解碼、縮放至 224×224、正規化及分類後處理整合至 SavedModel，使其接收 base64 編碼圖像並輸出分類標籤和信心度。
Hugging Face BlogAI 評分4949 優勢 Actor-Critic（A2C）
Hugging Face 深度強化學習課程第 7 單元講解 Advantage Actor Critic（A2C），以 Actor 和 Critic 結合政策式與價值式方法，降低 Reinforce 策略梯度估計的方差並穩定訓練。課程使用 Stable-Baselines3，在 PyBullet 機械人模擬環境訓練雙足步行者和蜘蛛智能體。
Hugging Face BlogAI 評分4646 MNIST 模型如何利用動態對抗資料訓練
Hugging Face 的教學以 MNIST 手寫數字識別示範，如何動態收集人類生成的對抗樣本並用於模型訓練。示範模型訓練 20 epochs 後，在測試集準確率為 89%；用户可在 Spaces 畫布書寫 0-9，並標記能騙過模型的樣本。樣本累積至門檻後會用來再訓練模型，並重複多輪，以提高模型穩健性。
Hugging Face BlogAI 評分5757 如何用 Sentence Transformers 和 Gradio 構建歌單生成器
作者以 Sentence Transformers 和 Gradio 構建歌單生成器，透過對歌詞嵌入向量進行語義搜索，按文字提示找出相關歌曲。由於所選模型的最大序列長度為 512 word pieces，歌曲歌詞先按 verse 切分並逐段嵌入；設置 top_k=20 時，作者實測幾乎總能得到至少 9 首不同歌曲。
Hugging Face Blog精選AI 評分8282 BLOOM：全球最大型開放多語言大語言模型正式發佈
BLOOM 已正式發佈，這款具 176 billion parameters 的開放多語言大語言模型可生成 46 種自然語言及 13 種程式語言文本。最後一輪訓練歷時 117 days，並公開訓練中間 checkpoint 與 optimizer states，供研究者下載、運行及研究。
推薦理由：BLOOM 除模型外亦公開訓練中間 checkpoint 與 optimizer states，並提供下載及本地或雲端使用途徑，讓研究者能檢視模型行為與訓練過程。
Hugging Face BlogAI 評分4242 Twitter 情感分析入門指南
Hugging Face 提供 Twitter 情感分析入門指南，示範適用於程式開發者與非程式開發者的操作流程。程式開發者可用 Tweepy 收集推文，透過 Inference API 分析正面、負面或中性情緒，並將結果視覺化；非程式開發者則可用 Zapier 分析推文，並將結果傳送至 Google Sheets。
Hugging Face BlogAI 評分4747 使用 PyTorch 實作策略梯度
Hugging Face 深度強化學習課程第 5 單元以 PyTorch 從零實作 REINFORCE，並在 CartPole-v1、PixelCopter 和 Pong 測試其穩健性。策略梯度以梯度上升直接最佳化策略，毋須先學習價值函數；隨機策略可促進探索，在高維及連續動作空間中亦較有效。其限制包括可能收斂至局部極值、訓練時間較長及高方差。
Hugging Face BlogAI 評分5555 如何以 Sentence Transformers 開展首個機器學習項目
這篇入門指南以 Sentence Transformers 為例，介紹初學者如何理解文本嵌入向量與語義搜尋，並規劃首個自主機器學習項目。文章建議先盤點工具能力、挑選感興趣的資料集，再配合一項熟悉的輔助工具構思項目。
Hugging Face Blog精選AI 評分6565 Hugging Face 推出 Evaluation on the Hub，支援免寫程式評估模型
Hugging Face 推出由 AutoTrain 驅動的 Evaluation on the Hub，讓使用者無需編寫程式，即可用任意資料集與指標評估 Hub 上的模型。評估結果會提交至模型卡的 Hub pull request，平台亦提供排行榜，方便比較模型在不同資料集切分與指標上的表現。
推薦理由：它讓使用者可在 Hub 選擇模型、資料集和指標，免寫程式完成評估；結果回寫模型卡，排行榜便於比較表現及重用評估設定。
Hugging Face BlogAI 評分5959 嵌入向量入門：以 Medicare FAQ 示範語義搜尋
Hugging Face Blog 以 Medicare FAQ 示範語義搜尋流程，使用 Inference API 生成嵌入向量，再以使用者查詢比對相似 FAQ。示範選用 sentence-transformers/all-MiniLM-L6-v2 將 13 條 FAQ 編碼為 384 維向量，並把向量資料集上載至 Hub，以餘弦相似度找出最相近的 5 條 FAQ。
Hugging Face BlogAI 評分5858 使用 Hugging Face Optimum 將 Transformers 模型轉換為 ONNX
Hugging Face 示範了將 Transformers 模型匯出為 ONNX 的三種方法，涵蓋低階 `torch.onnx`、中階 `transformers.onnx` 和高階 Optimum。
Hugging Face BlogAI 評分5454 Hugging Face 宣佈與 Intel 合作推進硬件加速，介紹 Optimum Intel 開源庫
Hugging Face 宣佈 Intel 加入其 Hardware Partner Program，雙方將透過 Optimum 加速 Transformers 訓練、微調和推理。示例以 Optimum Intel 對微調後的 DistilBERT 分類模型進行訓練後動態量化，準確率由 0.574 降至 0.546，評估步驟快 1.34x。
Hugging Face BlogAI 評分5353 Deep Q-Learning 教程：以 Space Invaders 為例
Hugging Face 深度強化學習課程第 3 單元介紹 Deep Q-Learning，並以 Space Invaders 説明神經網絡如何取代 Q-table，估算各動作的 Q 值。
Hugging Face BlogAI 評分4545 Graphcore 與 Hugging Face 推出新一批適用於 IPU 的 Transformers 模型
Graphcore 與 Hugging Face 擴大 Hugging Face Optimum 的 IPU-ready Transformers 陣容，現提供涵蓋自然語言處理、語音及電腦視覺的 10 款模型。各模型附有 IPU 設定檔，以及可直接使用的預訓練和微調權重。開源函式庫 Hugging Face Optimum 提供針對 Graphcore IPU 最佳化的現成模型，方便開發者使用。
Hugging Face Blog精選AI 評分6363 Hugging Face Hub 推出 Pull Request 與 Discussions 協作功能
Hugging Face Hub 推出 Pull Request 和 Discussions 協作功能，現已向所有模型、資料集及 Spaces 倉庫開放。社羣成員可在 Community 分頁提問、分享建議，並透過網站開啟、評論、合併或關閉 Pull Request。Pull Request 使用直接儲存在來源倉庫的自訂 refs，無需為模型或資料集的每個新版本建立 fork。
推薦理由：Hugging Face Hub 以來源倉庫內的 refs 處理 Pull Request，免去為模型或資料集每個新版本建立 fork，呈現其針對 ML 倉庫簡化協作流程的做法。
Hugging Face BlogAI 評分5050 Q-Learning 入門（2/2）：演算法原理與 Frozen Lake v1、的士環境實作
Hugging Face 的 Deep Reinforcement Learning Class 第二部分講解 Q-Learning，並帶領學員從零實作強化學習智能體。
Hugging Face BlogAI 評分3737 Hugging Face 多模態學習團隊將倫理原則置於研究生命週期核心
Hugging Face 多模態學習團隊為研究項目制定倫理章程，把倫理原則納入機器學習研究生命週期。章程列明須防範歧視、侵犯私隱與權利、生成個人識別資料及有害虛假資訊，並警示醫療、法律、金融和移民等高風險用途。文件截至 2022 年 5 月仍在完善，倡議透明、開放可重現、公平、自我批判及尊重貢獻。
Hugging Face BlogAI 評分4949 Q-Learning 入門（第一部分）
Hugging Face 深度強化學習課程第 2 單元第 1 部分講解價值型強化學習方法，為 Q-Learning 作鋪墊。內容説明狀態價值函數與動作價值函數，並比較蒙地卡羅學習和時間差分學習。本單元第二部分將介紹 Q-Learning 演算法，從零實作智能體，並在 Frozen-Lake-v1 及自動的士環境中訓練。
Hugging Face BlogAI 評分4646 Hugging Face 宣佈推出 Fellowship 計劃
Hugging Face 推出 Fellowship 計劃，支持不同背景的開源機器學習貢獻者擴大影響力，並鼓勵更多人參與。支援內容按個人需要而定，包括運算資源、周邊物資及 Hugging Face 官方認可；成為 Fellow 須由 Hugging Face 團隊成員或 Fellow 提名。
Hugging Face BlogAI 評分4242 機器學習專家：Sasha Luccioni
Hugging Face 研究科學家 Sasha Luccioni 在訪談中談及她對機器學習模型與數據集的倫理、社會影響及環境足跡研究。她擔任 Big Science Workshop 碳足跡工作組共同主席，探討電子郵件排放與製造成本等環境影響，並參與數據整理和多語言工作，避免語料過度偏重英語。
Hugging Face Blog精選AI 評分7070 Gradio 3.0 正式推出，全面重設前端並加入 Gradio Blocks
Gradio 3.0 正式推出，全面重設前端，並加入可在 Python 中構建自訂 Web app 的低階 Gradio Blocks API。前端採用 Svelte 等技術，文章稱載荷更小、頁面載入更快；Dataframe 經改良，並新增 Gallery 和 TabbedInterface。
推薦理由：Gradio Blocks 的 Python 範例展示如何組合元件、事件與版面，構建多步驟互動介面，提供可借鑑的實作思路。
Hugging Face BlogAI 評分3434 Hugging Face 學生大使計劃現正接受申請
Hugging Face 開放首屆學生大使計劃申請，邀請修讀機器學習或在社羣推廣 ML 的學生參與，截止日期為 2022 年 6 月 13 日。計劃於 2022 年 6 月 30 日開始、12 月 31 日結束；獲選者可獲同儕交流網絡、Hugging Face 團隊工作坊與支援、最新項目及功能資訊、周邊商品與素材，以及官方大使認可。
Hugging Face Blog精選AI 評分6565 Hugging Face 宣佈完成 $100 Million C 輪融資
Hugging Face 宣佈完成由 Lux Capital 領投的 $100 Million C 輪融資，Sequoia、Coatue 等也參與投資。Hugging Face Hub 當時託管 100,000 個預訓練模型及 10,000 個數據集，超過 10,000 家公司使用 Hugging Face 建構機器學習技術。公司表示將加大研究、開源、產品及負責任地普及 AI 的投入。
推薦理由：融資用途涵蓋研究、開源、產品與負責任地普及 AI，讀者可從中瞭解 Hugging Face 此輪募資要加速的方向。
Hugging Face BlogAI 評分5454 Hugging Face Hub 接入 fastai，支援模型上傳與載入
Hugging Face Hub 接入 fastai，讓 fastai 使用者可用單行 Python 程式碼上傳 Learner，亦可從 Hub 載入模型。文章介紹 `push_to_hub_fastai` 和 `from_pretrained_fastai`，並示範 fastai 與 Blurr 的模型分享流程。
Hugging Face BlogAI 評分5959 Hugging Face 深度強化學習課程第一章：Deep Reinforcement Learning 入門
Hugging Face 的 Deep Reinforcement Learning Class 第一章介紹深度強化學習的基本框架，説明智能體如何透過與環境互動、採取行動並接收獎勵來學習。
Hugging Face BlogAI 評分5353 使用 Kili 與 Hugging Face AutoTrain 進行評論分類
作者結合 Kili 與 Hugging Face AutoTrain，為 Google Play 上 Medium 應用程式的評論建立主動學習分類流程，並對分類結果進行情感分析。