'huggingface' 검색 결과

Build image generation workflows in Python with Stable Diffusion and HuggingFace Diffusers. The guide covers text prompts, transforming existing images, replacing selected regions, controlling composition, applying learned styles, and adjusting memory use during generation.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Generating images from text descriptions
• Changing the style of an existing image
• Replacing a selected region of an image

Prepare large text collections for AI models with fast tokenizers, which split text into model inputs. Train custom vocabularies, trace tokens to original text positions, adjust input lengths, and integrate the results with transformers.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Tokenizing large text collections
• Training a custom vocabulary
• Mapping extracted names or answers back to original text

Helps reduce GPU memory use by loading large language models in 4-bit or 8-bit formats, a technique called quantization. Covers bitsandbytes configuration, memory checks, QLoRA fine-tuning, and training with memory-saving optimizers.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Load a larger model within available GPU memory
• Compare 4-bit and 8-bit quantization settings
• Fine-tune a quantized model with QLoRA

Build safety checks for LLM prompts and responses using Meta's LlamaGuard. This skill covers content classification, batch moderation, serving a moderation API, and connecting checks to NeMo Guardrails.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Screening user prompts before sending them to an LLM
• Checking generated responses before displaying them
• Building an API for content safety checks

Find AI models for a specific task using official Hugging Face benchmark leaderboards. Compare scores, model sizes, and licenses, with memory-based estimates of device suitability and flags for models requiring quantization or API access.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Compare coding or reasoning models by benchmark scores
• Find model candidates for a laptop's available memory
• Choose models for OCR or speech recognition

Build reusable command-line scripts that fetch and process Hugging Face API data. Combine multiple requests, enrich model information, and produce outputs for further filtering, with built-in help and usage examples for repeated tasks.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Automating repeated model and dataset lookups
• Combining trending models with metadata and paper links
• Extracting licenses and tags from model cards

Generate Hugging Face Hub (huggingface_hub) release notes from cached PR JSON files. Use when asked to draft release notes from PR files.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Simplest distributed training API. 4 lines to add distributed support to any PyTorch script. Unified API for DeepSpeed/FSDP/Megatron/DDP. Automatic device placement, mixed precision (FP16/BF16/FP8). Interactive config, single launch command. HuggingFace ecosystem standard.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Provides guidance for writing and benchmarking optimized CUDA kernels for NVIDIA GPUs (H100, A100, T4) targeting HuggingFace diffusers and transformers libraries. Kernels must be kernel-builder/ABI3-compliant: no pybind11, no setup.py, TORCH_LIBRARY_EXPAND bindings only. Supports models like LTX-Video, Stable Diffusion, LLaMA, Mistral, and Qwen. Includes integration with HuggingFace Kernels Hub (get_kernel) for loading pre-compiled kernels. Includes benchmarking scripts to compare kernel performance against baseline implementations.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

远程格式化器。用于从huggingface hub的存储库加载数据集。 本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到加载HuggingFace数据集、远程数据集加载、HuggingFace Hub等需求时使用此skill。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

HuggingFace hf CLI: search/download/upload models, datasets.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

API de treinamento distribuído mais simples. 4 linhas para adicionar suporte distribuído a qualquer script PyTorch. API unificada para DeepSpeed/FSDP/Megatron/DDP. Posicionamento automático de device, precisão mista (FP16/BF16/FP8). Config interativo, comando de launch único. Padrão do ecossistema HuggingFace.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

HuggingFace hf CLI: search/download/upload models, datasets.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Use when the user asks about finding the best, top, or recommended model for a task, wants to know what AI model to use, or wants to compare models by benchmark scores. Triggers on: "best model for X", "what model should I use for", "top models for [task]", "which model runs on my laptop/machine/device", "recommend a model for", "what LLM should I use for", "compare models for", "what's state of the art for", or any question about choosing an AI model for a specific use case. Always use this skill when the user wants model recommendations or comparisons, even if they don't explicitly mention HuggingFace or benchmarks.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

HuggingFace hf CLI: search/download/upload models, datasets.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Import datasets from HuggingFace and convert them to Coval test sets. Use when the user wants to create test cases from HuggingFace dataset or repository.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Simplest distributed training API. 4 lines to add distributed support to any PyTorch script. Unified API for DeepSpeed/FSDP/Megatron/DDP. Automatic device placement, mixed precision (FP16/BF16/FP8). Interactive config, single launch command. HuggingFace ecosystem standard.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

HuggingFace hf CLI: search/download/upload models, datasets.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Hugging Face Hub CLI (`hf`) for downloading, uploading, and managing models, datasets, spaces, buckets, repos, papers, jobs, and more on the Hugging Face Hub. Use when: handling authentication; managing local cache; managing Hugging Face Buckets; running or scheduling jobs on Hugging Face infrastructure; managing Hugging Face repos; discussions and pull requests; browsing models, datasets and spaces; reading, searching, or browsing academic papers; managing collections; querying datasets; configuring spaces; setting up webhooks; or deploying and managing HF Inference Endpoints. Make sure to use this skill whenever the user mentions 'hf', 'huggingface', 'Hugging Face', 'huggingface-cli', or 'hugging face cli', or wants to do anything related to the Hugging Face ecosystem and to AI and ML in general. Also use for cloud storage needs like training checkpoints, data pipelines, or agent traces. Use even if the user doesn't explicitly ask for a CLI command. Replaces the deprecated `huggingface-cli`.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

공통 과제로 대규모 언어 모델의 지식·추론·코드 생성을 평가합니다. 모델 비교표와 학습 단계별 성적 추이를 만들고 평가 결과와 개별 답변을 저장합니다.

• MMLU와 GSM8K로 모델 평가
• 여러 모델의 성적 비교표 작성
• 학습 중 모델의 성적 추적

Python으로 텍스트 기반 이미지 생성, 기존 이미지의 화풍 변경, 지정 영역 채우기를 구현합니다. 구도와 스타일 제어, 생성 설정 조정, 메모리 절약 방법도 안내합니다.

• 텍스트로 이미지를 생성할 때
• 기존 이미지를 수채화풍으로 바꿀 때
• 사진의 지정 영역을 채울 때

기존 PyTorch 학습 코드를 적은 수정으로 여러 GPU나 컴퓨터에 맞게 구성합니다. 혼합 정밀도, 메모리 절약 설정과 학습 실행 방법을 안내합니다.

• 단일 GPU 학습을 여러 GPU로 옮깁니다
• 혼합 정밀도 학습을 설정합니다
• DeepSpeed나 FSDP로 메모리를 절약합니다

가중치가 공개된 언어 모델의 응답 거부 원리를 분석하고 재학습 없이 가중치를 수정하는 실험을 돕습니다. 환경에 맞는 모델과 방법을 선택하고 수정 전후의 거부율과 답변 품질을 비교합니다.

• 언어 모델의 응답 거부 원리 연구
• 재학습 없이 가중치 수정 실험
• 계산 환경에 맞는 모델과 방법 선택

텍스트를 AI 모델이 다루는 작은 단위로 나누고 숫자 배열로 변환합니다. 대량 처리, 맞춤 어휘 학습, 원문 위치 대응과 입력 길이 조정을 돕습니다.

• 대량 텍스트를 모델 입력으로 전처리
• 텍스트 파일로 맞춤 어휘 학습
• 예측 결과를 원문 위치에 연결