跳转到内容

Hugging Face

本页使用了标题或全文手工转换
维基百科,自由的百科全书
Hugging Face, Inc.
公司類型私人公司
成立2016年,​8年前​(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

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,以及允许用户共享机器学习模型和数据集的平台。

历史

Hugging Face成立于2016年,由法国企业家克莱门特·德朗格(法語:Clément Delangue)、朱利安·肖蒙(Julien Chaumond)和托马斯·沃尔夫(Thomas Wolf)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轮融资英语Series B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英语BLOOM (language model)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英语Coatue ManagementSequoia领投的C轮融资英语Series C[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英语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本地部署英语On-premises software[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PyTorchTensorFlowJAX深度学习库兼容,并包括了BERTGPT-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. ^ Hugging Face wants to become your artificial BFF. TechCrunch. 2017-03-09 [2022-08-20] (美国英语). [失效連結]
  2. ^ Hugging Face raises $40 million for its natural language processing library. 2021-03-11 [2023-08-04]. (原始内容存档于2023-07-28). 
  3. ^ Inside BigScience, the quest to build a powerful open language model. 2022-01-10 [2023-08-04]. (原始内容存档于2022-07-01). 
  4. ^ BLOOM. bigscience.huggingface.co. [2022-08-20]. (原始内容存档于2022-11-14). 
  5. ^ Gradio is joining Hugging Face!. huggingface.co. [2022-08-20]. (原始内容存档于2022-11-14). 
  6. ^ Cai, Kenrick. The $2 Billion Emoji: Hugging Face Wants To Be Launchpad For A Machine Learning Revolution. Forbes. [2022-08-20]. (原始内容存档于2022-11-03) (英语). 
  7. ^ Student Ambassador Program's call for applications is open!. huggingface.co. [2022-08-20]. (原始内容存档于2023-03-14). 
  8. ^ Graphcore and Hugging Face Launch New Lineup of IPU-Ready Transformers. huggingface.co. [2022-08-19]. (原始内容存档于2022-11-14). 
  9. ^ Introducing the Private Hub: A New Way to Build With Machine Learning. huggingface.co. [2022-08-20]. (原始内容存档于2022-11-14). 
  10. ^ Bass, Dina. Amazon's Cloud Unit Partners With Startup Hugging Face as AI Deals Heat Up. 彭博新聞社. 2023-02-21 [2023-08-04]. (原始内容存档于2023-05-22). 
  11. ^ Nellis, Stephen. Amazon Web Services pairs with Hugging Face to target AI developers. Reuters. 2023-02-21 [2023-08-04]. (原始内容存档于2023-05-30). 
  12. ^ 🤗 Transformers. huggingface.co. [2022-08-20]. (原始内容存档于2023-09-27). 
  13. ^ First release. Github. 2018-11-17 [2023-03-28]. (原始内容存档于2023-04-30). 
  14. ^ Hugging Face Hub documentation. huggingface.co. [2022-08-20]. (原始内容存档于2023-09-20). 
  15. ^ 15.0 15.1 Hugging Face - Documentation. huggingface.co. [2023-02-18]. (原始内容存档于2023-09-30). 
  16. ^ Gradio: The New Frontier in Interactive Python Data Apps. [2023-12-23]. (原始内容存档于2023-12-22). 
  17. ^ Python library for easily interacting with trained machine learning models https://pypi.org/project/gradio/页面存档备份,存于互联网档案馆

外部链接