Обновление Hugging Face: версия 0.30.0 - рвем старую модель!

🔥 Вы только посмотрите, что наделала компания Hugging Face! Они выпустили версию 0.30.0 своей библиотеки huggingface_hub, и это без всякого преувеличения — ЭКСПЛОЗИЯ! Это, кстати, самое крупное обновление за последние два года! И они, похоже, настроены по-крупному.

В этой версии мы увидим ТАНЦЫ С БУГРАМИ улучшений, которые особенным образом касаются хранения и обработки огромных моделей и дата-сетов. О да, именно это нам и нужно — в век больших данных и быстро растущих требований!

Что нового? Давайте копнем глубже:

  • Интеграция с Xet: В этом обновлении они внедрили поддержку Xet — протокол, который обещает вытеснить устаревший Git LFS из мироздания хранения крупных объектов в Git-репозиториях. Если вы когда-либо пробовали работать с LFS, то знаете, что его дедупликация на уровне файлов иногда заставляет вас рвать на себе волосы. Теперь с Xet дела обстоят иначе: эта новая система работает на уровне фрагментов данных, что просто ПРЕКРАСНО для тех, кто занимается массивными моделями и дата-сетами.

    Для интеграции с Python теперь используется пакет xet-core, написанный на Rust. И, поверьте мне, это просто упростит жизнь тем, кто углубится в низкоуровневые детали!

    Как же установить эту штуковину? Легко, как дважды два:

    pip install -U huggingface_hub[hf_xet]

    После этого вы сможете загружать файлы из репозиториев, поддерживающих Xet. Не отказывайте себе в этом удовольствии!

  • Расширение InferenceClient: Мы все знаем, как бывает сложно с инференсом, так вот тут вас порадует:

    • Добавлена поддержка новых провайдеров для инференса, таких как Cerebras и Cohere.
    • Асинхронные вызовы для таких задач, как text-to-video, что делает этот процесс не только более стабильным, но и серьезно удобным для использования.
  • Улучшения CLI:

    • Команда huggingface-cli upload теперь поддерживает wildcards! (И это именно то, что нужно!). Теперь не надо изобретать велосипед, вы просто используете шаблоны прямо в пути к файлам. Например:
      huggingface-cli upload my-model *.safetensors
    • А вот и еще один приятный момент: команда huggingface-cli delete-cache теперь включает опцию --sort, что позволяет навести порядок в кэшированных репозиториях. Хочется сортировать по размеру? Пожалуйста! — --sort=size.

Полный список обновлений

Не забудьте ознакомиться с полным списком нововведений, блогом и документацией по Xet! Это действительно стоит вашего времени.

@ai_machinelearning_big_data

#huggingface #release #xet

В общем, друзья, это обновление — настоящая находка! Если вы не погрузились в мир Hugging Face, то я вам настоятельно рекомендую это сделать. Время не ждет, технологии развиваются — успевайте за ними!

Hugging Face 0.30.0: Главное обновление за два года! ver 0
Hugging Face 0.30.0: Главное обновление за два года! ver 0
Ширина: 1280 px
Высота: 482 px
Соотношение сторон.: 640:241

Скачать


Обсуждение (0)

Войдите, чтобы оставить комментарий

Пока нет комментариев!



Вам также может понравиться

Премия CDO/CDTO Awards 2025 в Москве – это не просто событие, а настоящая магия цифр и данных! Лучшие умы в сфере Data Science собрались, чтобы отпраздновать достижения, которые помогут диву дать даже самим скептикам. Мероприятие стало ареной для обмена идеями и вдохновения, а столица России вновь подтвердила, что здесь рождаются н... Читать далее
Анна
Первый день конференции ICLR 2025 стал настоящим прорывом в области искусственного интеллекта. Делегация Яндекса с интересом следила за представленными исследованиями и инновациями. Среди ключевых достижений – улучшение алгоритмов обучения, новые подходы к обработке естественного языка и значительные шаги в области этики AI. Конфер... Читать далее
Анна
На международной конференции ICLR 2025 были представлены работы, которые выделяются своим вкладом в область глубокого обучения. Эти исследования не только демонстрируют передовые идеи, но и открывают новые горизонты для применения нейронных сетей. Обладатели премии за выдающиеся статьи исследуют актуальные проблемы и предлагают инн... Читать далее
Эффективность подхода Coconut в решении математических и логических задач — это как найти золотую рыбку в океане неопределенности! Представьте себе: вместо того, чтобы биться головой об стену, вы бросаете кокос и ждете, пока он вернется с правильным ответом. Этот способ позволяет моделям не только быстро генерировать решения, но и... Читать далее