Hugging Face起初是一家总部位于纽约的聊天机器人初创服务商，他们本来打算创业做聊天机器人，然后在github上开源了一个Transformers库，虽然聊天机器人业务没搞起来，但是他们的这个库在机器学习社区迅速大火起来。目前已经共享了超100,000个预训练模型，10,000个数据集，变成了机器学习界的github。
打开它的网站：Hugging Face – The AI community building the future.
可以看到，Hugging Face的主要功能都在最上面的一行，包括：模型（Models）、数据集（Datasets）、空间（Spaces）。其他还有：说明文档（Docs）、解决方案（Solutions）、报价（Pricing）。另外在折叠的菜单里，还有交流社区（Community）、以及机器学习的一些课程等等。
在这里，我们先着重说一下这个Spaces。这是Hugging Face区别于github的一个特殊功能。就是可以把你的模型和代码运行在它的服务器上，并且可以公开提供给别人用！
具体怎么做呢？举个简单的例子：现在大火的ChatGPT很好玩，但是由于众所周知的原因，不给我们用了！爬墙又很麻烦，梯子有可能不稳定，普通人也不会用。Hugging Face这时候就派上用场了！因为它是个美国网站，且没有被墙，它的服务都运行在美国，所以在这上面用你的ChatGPT API Key就不会被封！
打开这个Space：Chatgpt Demo – a Hugging Face Space by cuiyuan605
就可以用你的OpenAI API Key跟ChatGPT畅聊了！
如果你觉得用别人的Space不放心，那可以将它一键克隆到你的账号：
这样，你就可以随意修改它的代码，妈妈再也不用担心你的Key被别人偷了！
如果你没有ChatGPT的API Key，这里还有一个可以将文字变成图像的小模型，你也可以克隆到你的账号里玩一玩：Text to Image – a Hugging Face Space by cuiyuan605
这个Space的功能，就是将你的代码，运行在Hugging Face的服务器上。App就是你的服务交互界面，Files是你的代码文件，Community是这个服务的相关讨论。另外，还可以在Settings里修改这个服务的设置，后面的菜单里是其他人对这个Space的一些操作。
那么，这个Space的交互原理是什么，如何从零构建一个自己的Space呢？
可以参考一下网站给的文档：Spaces
如果不想看英文文档，可以看我下面的简单介绍。
这个Space的主要原理，就是让你在它的服务器上跑一个web服务。然后将你生成的交互页面嵌入到App这个选项页里。
Hugging Face提供了三种动态交互的方式：Gradio、Streamlit和Docker。
这里重点说一下Gradio，这是一个python的web服务库。是专门为机器学习应用，封装的一个前后端库。用法很简单，详细文档可以参考这里：Quickstart
我们先用一个简单的例子，让你可以快速用起来。
首先，创建一个Space，Space SDK选择Gradio：
然后，在Files中创建文件requirements.txt，用于指定项目的依赖库。比如在这里，我们可以将文件内容编辑为：
transformers
torch接下来，创建文件app.py，用于实现交互界面。我们将文件内容编辑为：
import gradio as gr
def greet(name):
return "Hello " + name + "!!"
iface = gr.Interface(fn=greet, inputs="text", outputs="text")
iface.launch()保存文件后，点击App选项页，等它build一会儿，一个简单的Gradio项目就成功啦！
之后每次更新仓库，都会重新构建和启动App，你也可以用git把项目拉到本地进行开发，开发完成后上传代码，方法和github一样。clone的地址在Settings后面那个三个点的菜单里。
是不是是很简单，是不是打开了一个新世界的大门，只要把项目设为public，就可以将服务提供给其他人用啦。不过免费的空间只有2CPU和16G内存，且每48小时就会将你的服务自动停止。需要更长的服务时间，更多硬件资源，甚至GPU资源，那就需要马内了，毕竟世上没有免费的午餐！
下面的Streamlit和Docker只做简单的介绍。
Streamlit也是一个python的前后端库，只不过它并不是专为机器学习应用开发的，而是更偏向于可视化数据展示。此外，它还有个重要的功能，就是能够把页面嵌入到其他的网站，也就是说你可以把Hugging Face上服务，嵌入到你的个人网站里！开不开心，意不意外！具体方法可以参考文档：Streamlit Spaces
至于Docker则是一个更加独立自由的空间，用过的都说好！具体使用方法可以参考官方文档：Your First Docker Space: Text Generation with T5
这里顺便说一下，Docker这个示例是跑不通的！官方文档写错了，需要把Dockerfile的最后一行：
CMD ["uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "7860"]改为：
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "7860"]除了Spaces以外，Hugging Face还提供了各路大佬上传的各种模型和数据集，让我们可以站在大佬的肩膀上看世界，不用苦逼的造轮子。
不过模型和数据文件一般都比较大，需要用到lfs(Large File Storge)大文件存储，用之前记得先装一下：
git lfs intall
然后git clone走起
我们除了可以直接下载这些模型和数据集以外，还可以对模型进行自动训练。
或者直接将模型部署为API或者Space
数据集的clone地址藏在这里哦：
下面，我们就开心的玩起来吧！
参考资料：
《Huggingface 超详细介绍》：Huggingface 超详细介绍 – 知乎
文章出处登录后可见！
