8 个版本
0.3.2 | 2023 年 10 月 4 日 |
---|---|
0.3.1 | 2023 年 9 月 13 日 |
0.3.0 | 2023 年 8 月 29 日 |
0.2.0 | 2023 年 7 月 27 日 |
0.1.3 | 2023 年 7 月 20 日 |
#65 in 机器学习
51,816 个月下载量
用于 65 个 crate(直接使用 40 个)
73KB
1.5K SLoC
这个 crate 的目的是模拟并与 huggingface_hub Python 包兼容。
兼容意味着 Api 应该复用相同的文件,跳过下载,如果它们已经存在,并且每当这个 crate 下载或修改缓存时,它应该与 huggingface_hub 保持一致
目前只提供了一部分功能,目标是随着时间的推移添加新功能。我们目前将其视为一个内部/外部工具,这意味着我们目前正在随意修改一切以满足我们的内部需求。随着它的发展,最终将稳定下来,以适应我们的大部分需求。
如果您有兴趣使用此工具,请随时使用,但请注意可能存在变化的因素。
如果您想做出贡献,非常欢迎。
然而,由于缺乏维护时间,可能会拒绝添加新功能或创建新功能。我们目前专注于我们的内部需求。希望这个子集对更多用户来说已经很有趣。
如何使用
添加依赖项
cargo add hf-hub # --features tokio
tokio
功能将启用异步(可能更快)API。
使用 crate
use hf_hub::api::sync::Api;
let api = Api::new().unwrap();
let repo = api.model("bert-base-uncased".to_string());
let _filename = repo.get("config.json").unwrap();
// filename is now the local location within hf cache of the config.json file
依赖项
~0.1–14MB
~183K SLoC