Hugging Face 使用指南
1. Hugging Face 简介
Hugging Face 是一个面向机器学习和 NLP 的开源社区和平台，提供了大量预训练模型、数据集和工具。通过 Hugging Face CLI，我们可以方便地下载和管理这些资源。
2. 安装 Hugging Face CLI
2.1 使用 pipx 安装
推荐使用 pipx 安装 huggingface-cli，这样可以将其隔离在独立的虚拟环境中：
bash
pipx install huggingface-cli2.2 使用 pip 安装
也可以使用 pip 直接安装：
bash
pip install -U "huggingface_hub[cli]"3. 登录 Hugging Face
3.1 基本登录
通过 Access Token 登录：
bash
huggingface-cli login执行命令后，系统会提示你输入 Access Token。你可以从 https://huggingface.co/settings/tokens 获取 Token。
3.2 使用代理登录
如果需要通过代理访问 Hugging Face，可以设置代理环境变量：
bash
huggingface-cli login可设置代理：
bash
HTTPS_PROXY=http://127.0.0.1:15732 huggingface-cli login根据你的代理配置，修改代理地址和端口。
3.3 配置 Git 凭证
登录后，建议保存 Git 凭证以便后续操作。如果自动保存失败，可以手动开启 Git 凭证保存：
bash
git config --global credential.helper store或者在登录时直接添加到 Git 凭证：
bash
huggingface-cli login --add-to-git-credential4. 常用操作
4.1 下载模型
下载指定的模型到本地：
bash
huggingface-cli download <model-id>4.2 上传文件
上传文件到你的模型仓库：
bash
huggingface-cli upload <repo-id> <local-path>4.3 列出文件
查看仓库中的文件列表：
bash
huggingface-cli scan-cache5. 在 Python 中使用
5.1 加载模型
python
from transformers import AutoModel, AutoTokenizer
model_name = "bert-base-chinese"
model = AutoModel.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)5.2 使用本地缓存
Hugging Face 会自动缓存下载的模型，默认位置在 ~/.cache/huggingface/。你也可以通过环境变量 HF_HOME 自定义缓存位置：
bash
export HF_HOME=/path/to/cache5.3 离线模式
如果需要在离线环境中使用已下载的模型：
python
from transformers import AutoModel
model = AutoModel.from_pretrained(
"bert-base-chinese",
local_files_only=True
)6. 注意事项
使用 Hugging Face 时需要注意：
- 访问权限：某些模型需要申请访问权限才能下载
- 存储空间：大型模型可能占用数 GB 空间，注意磁盘容量
- 网络环境：在国内访问可能较慢，建议使用镜像或代理
- Token 安全：不要将 Access Token 提交到版本控制系统
7. 参考资料
- https://huggingface.co/docs/huggingface_hub - Hugging Face Hub 文档
- https://huggingface.co/docs/transformers - Transformers 库文档
- https://huggingface.co/settings/tokens - 获取 Access Token