Hugging Face

Hugging Face是一家美国公司，专门开发用于构建机器学习应用的工具。该公司的代表产品是其为自然语言处理应用构建的transformers库，以及允许用户共享机器学习模型和数据集的平台。

  此條目介紹的是美国公司。关于，请见「」。
Hugging Face, Inc.
公司類型私人公司
成立2016年​（2016），纽约
代表人物
  • Clément Delangue（CEO）
  • Julien Chaumond（CTO）
  • Thomas Wolf（CSO）
總部New York City , U.S.
業務範圍 全世界
产业人工智能、机器学习、软件开发
產品Transformers模型、数据集（datasets）、spaces
營業額15,000,000 美元 (2022年) 编辑维基数据
員工人數170 (2023年) 编辑维基数据
网站huggingface.co

历史

Hugging Face成立于2016年，由法国企业家克莱门特·德朗格（法語：）、朱利安·肖蒙（）和托马斯·沃尔夫（）创立，最初是一家开发面向青少年的聊天機器人应用程序的公司[1] 。在开源聊天机器人背后的模型后，该公司转变方向，专注于成为一个机器学习平台。

2021年3月，Hugging Face在B轮融资中筹集了4000万美元[2]。

2021年4月28日，Hugging Face与其他几个研究团队合作，推出了BigScience研究工作坊（BigScience Research Workshop），发布了一个开放的大型语言模型[3]。2022年，该工作坊以1760亿参数的多语言大型语言模型BLOOM的发布而结束[4]。

2021年12月21日，该公司宣布收购Gradio，这是一个用于制作机器学习模型交互式浏览器演示的软件库[5]。

2022年5月5日，该公司宣布由Coatue和Sequoia领投的C轮融资[6]。公司估值达到20亿美元。

2022年5月13日，该公司推出了学生大使计划，旨在到2023年时实现向500万人教授机器学习[7]。

2022年5月26日，该公司宣布与Graphcore合作，为Graphcore IPU优化其Transformers库[8]。

2022年8月3日，该公司宣布推出Private Hub，这是其公共Hugging Face Hub的企业版本，支持SaaS或本地部署[9]。

2023年2月，该公司宣布与亚马逊云计算服务（AWS）合作，使Hugging Face的产品可供AWS客户使用，作为构建其自定义应用程序的基础。该公司还表示，下一代BLOOM将在AWS创建的专有机器学习芯片Trainium上运行[10][11]。

服务与技术

Transformers模型库

Transformers模型库（Transformers Library）是一个Python软件包，其中包含了用于文本、图像和音频任务的Transformer模型的开源实现。它与PyTorch、TensorFlow和JAX深度学习库兼容，并包括了BERT和GPT-2等知名模型的实现[12]。该库最初名为“pytorch-pretrained-bert”[13]，后来更名为“pytorch-transformers”，最终改名为“transformers”。

Hugging Face Hub

Hugging Face Hub是一个集中式Web服务平台，用于托管以下内容：[14]

  • 基于Git的代码仓库，具有类似于GitHub的功能，包括项目的讨论（discussions）和拉取请求（pull requests）。
  • 模型（models），同样具有基于Git版本控制的；
  • 数据集（datasets），主要涵盖文本、图像和音频；
  • Web应用程序（“spaces”和“widgets”），用于机器学习应用的小规模演示。

Gradio

Gradio 是一个开源Python包,可让您快速为机器学习模型、API 或任何任意Python函数构建演示或Web应用程序。然后，您可以使用Gradio的内置共享功能在短短几秒钟内共享演示或Web应用程序的链接。 [15] 使用Gradio，可以构建交互式用户界面，而无需编写任何HTML、CSS或JavaScript代码。Gradio与各种机器学习框架兼容，如TensorFlow、PyTorch和scikit-learn。还可以使用Gradio以交互方式调试模型、从用户获取反馈，并通过自动生成的可共享链接轻松部署模型。[16][17]

其他库

除了Transformers库和Hugging Face Hub之外，Hugging Face生态系统还包括用于其他任务的库，例如数据集处理（“Datasets”），模型评估（“Evaluate”），模拟（“Simulate”），以及机器学习演示（“Gradio”）[15]。

参考资料
  1. . TechCrunch. 2017-03-09 [2022-08-20] （美国英语）.
  2. . 2021-03-11 [2023-08-04]. （原始内容存档于2023-07-28）.
  3. . 2022-01-10 [2023-08-04]. （原始内容存档于2022-07-01）.
  4. . bigscience.huggingface.co. [2022-08-20]. （原始内容存档于2022-11-14）.
  5. . huggingface.co. [2022-08-20]. （原始内容存档于2022-11-14）.
  6. Cai, Kenrick. . Forbes. [2022-08-20]. （原始内容存档于2022-11-03） （英语）.
  7. . huggingface.co. [2022-08-20]. （原始内容存档于2023-03-14）.
  8. . huggingface.co. [2022-08-19]. （原始内容存档于2022-11-14）.
  9. . huggingface.co. [2022-08-20]. （原始内容存档于2022-11-14）.
  10. Bass, Dina. . 彭博新聞社. 2023-02-21 [2023-08-04]. （原始内容存档于2023-05-22）.
  11. Nellis, Stephen. . Reuters. 2023-02-21 [2023-08-04]. （原始内容存档于2023-05-30）.
  12. . huggingface.co. [2022-08-20]. （原始内容存档于2023-09-27）.
  13. . Github. 2018-11-17 [2023-03-28]. （原始内容存档于2023-04-30）.
  14. . huggingface.co. [2022-08-20]. （原始内容存档于2023-09-20）.
  15. . huggingface.co. [2023-02-18]. （原始内容存档于2023-09-30）.
  16. .
  17. Python library for easily interacting with trained machine learning models https://pypi.org/project/gradio/

外部链接
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.