Bibliothèques

Le Hub prend en charge des dizaines de bibliothèques de l’écosystème Open Source. Grâce à la bibliothèque Python huggingface_hub, il est facile de partager vos modèles sur le Hub. Le Hub prend en charge de nombreuses bibliothèques, et nous travaillons à élargir cette prise en charge. Nous sommes ravis d’accueillir sur le Hub un ensemble de bibliothèques Open Source qui font avancer le Machine Learning.

Le tableau ci-dessous résume les bibliothèques prises en charge et leur niveau d'intégration. Retrouvez toutes nos bibliothèques prises en charge dans le fichier model-libraries.ts.

Bibliothèque	Description	Fournisseurs d'inférence	Widgets	Télécharger depuis le Hub	Push to Hub
Adaptateurs	Un add-on unifié pour Transformers permettant un fine-tuning efficace en paramètres et modulaire.	✅	✅	✅	✅
AllenNLP	Bibliothèque de recherche en NLP open source, construite sur PyTorch.	✅	✅	✅	❌
Asteroid	Kit de séparation de sources audio basé sur PyTorch	✅	✅	✅	❌
BERTopic	BERTopic est une bibliothèque de modélisation thématique pour le texte et les images	✅	✅	✅	✅
Diffusers	Une boîte à outils modulaire pour l'inférence et l'entraînement de modèles de diffusion	✅	✅	✅	✅
docTR	Modèles et jeux de données pour les tâches liées à l'OCR dans PyTorch & TensorFlow	✅	✅	✅	❌
ESPnet	Boîte à outils de traitement de la parole de bout en bout (par ex. TTS)	✅	✅	✅	❌
fastai	Bibliothèque pour entraîner des modèles rapides et précis avec des résultats de pointe.	✅	✅	✅	✅
Keras	Framework open source d'apprentissage profond multi-backend, avec prise en charge de JAX, TensorFlow et PyTorch.	❌	❌	✅	✅
KerasNLP	Bibliothèque de traitement du langage naturel construite sur Keras, fonctionnant nativement avec TensorFlow, JAX ou PyTorch.	❌	❌	✅	✅
TF-Keras (obsolète)	Bibliothèque de première génération qui utilise une API cohérente et simple pour construire des modèles en tirant parti de TensorFlow et de son écosystème.	❌	❌	✅	✅
Flair	Cadre très simple pour le NLP de pointe.	✅	✅	✅	✅
MBRL-Lib	Implémentations PyTorch des algorithmes MBRL.	❌	❌	✅	✅
MidiTok	Tokenizers pour la musique symbolique / les fichiers MIDI.	❌	❌	✅	✅
ML-Agents	Permet aux jeux et simulations créés avec Unity de servir d'environnements pour l'entraînement d'agents intelligents.	❌	❌	✅	✅
MLX	Framework d'entraînement et de service de modèles sur Apple silicon, développé par Apple.	❌	❌	✅	✅
NeMo	Boîte à outils d'IA conversationnelle conçue pour les chercheurs	✅	✅	✅	❌
OpenCLIP	Bibliothèque pour l'implémentation open source de CLIP d'OpenAI	❌	❌	✅	✅
PaddleNLP	Bibliothèque NLP puissante et facile à utiliser, construite sur PaddlePaddle	✅	✅	✅	✅
PEFT	Bibliothèque de fine-tuning paramétriquement efficace de pointe	✅	✅	✅	✅
Pyannote	Briques neuronales pour la diarisation des locuteurs.	❌	❌	✅	❌
PyCTCDecode	Le modèle de langage prend en charge le décodage CTC pour la reconnaissance vocale	❌	❌	✅	❌
Pythae	Cadre unifié pour les auto-encodeurs génératifs en Python	❌	❌	✅	✅
RL-Baselines3-Zoo	Framework d'entraînement pour l'apprentissage par renforcement, utilisant Stable Baselines3.	❌	✅	✅	✅
Sample Factory	Base de code pour l'apprentissage par renforcement asynchrone à haut débit.	❌	✅	✅	✅
Sentence Transformers	Calculez des représentations vectorielles denses pour des phrases, des paragraphes et des images.	✅	✅	✅	✅
SetFit	Classification de texte en peu d'exemples efficace avec Sentence Transformers	✅	✅	✅	✅
spaCy	Traitement avancé du langage naturel en Python et Cython.	✅	✅	✅	✅
SpanMarker	Reconnaissance d'entités nommées familière, simple et de pointe.	✅	✅	✅	✅
Scikit Learn (en utilisant skops)	Machine Learning en Python.	✅	✅	✅	✅
Speechbrain	Un kit de traitement de la parole propulsé par PyTorch.	✅	✅	✅	❌
Stable-Baselines3	Ensemble d'implémentations fiables d'algorithmes d'apprentissage par renforcement profond en PyTorch	❌	✅	✅	✅
TensorFlowTTS	Architectures de synthèse vocale de pointe en temps réel.	❌	❌	✅	❌
Timm	Collection de modèles d’images, scripts, poids pré-entraînés, etc.	✅	✅	✅	✅
Transformers	Traitement du langage naturel de pointe pour PyTorch, TensorFlow et JAX	✅	✅	✅	✅
Transformers.js	Machine Learning de pointe pour le web. Exécutez 🤗 Transformers directement dans votre navigateur, sans avoir besoin d'un serveur !	❌	❌	✅	❌
Unity Sentis	Moteur d'inférence pour le moteur de jeu Unity 3D	❌	❌	❌	❌

Comment puis-je ajouter la prise en charge d'une nouvelle bibliothèque ?

Si vous souhaitez ajouter votre bibliothèque, n’hésitez pas à nous contacter ! En savoir plus dans Guide pour ajouter une bibliothèque.

Update on GitHub