每一周，我們的同事都會(huì)向社區(qū)的成員們發(fā)布一些關(guān)于 Hugging Face 相關(guān)的更新，包括我們的產(chǎn)品和平臺(tái)更新、社區(qū)活動(dòng)、學(xué)習(xí)資源和內(nèi)容更新、開(kāi)源庫(kù)和模型更新等，我們將其稱(chēng)之為「Hugging News」。本期 Hugging News 有哪些有趣的消息，快來(lái)看看吧！?? ??

重磅更新

慶祝 Hugging Face Hub 上的一百萬(wàn)個(gè)代碼倉(cāng)庫(kù)！????

最近 Hugging Face 又取得一個(gè)重要里程碑，我們的模型中心（Hub）上已經(jīng)擁有一百萬(wàn)個(gè)代碼倉(cāng)庫(kù)了！????

自2023 年 1 月 3 日起我們的模型增長(zhǎng)情況：

• 模型：22 萬(wàn) -> 51 萬(wàn)

• 數(shù)據(jù)集：5 萬(wàn) -> 23 萬(wàn)

• Spaces（空間）：3.9 萬(wàn) -> 22 萬(wàn)

這一切都?xì)w功于開(kāi)源的力量！??

Accelerate 加速庫(kù)下載量過(guò) 3000 萬(wàn)！

在短短的兩個(gè)月內(nèi)，我們的 Hugging Face Accelerate 加速庫(kù)下載量從 2000 萬(wàn)增長(zhǎng)到了 3000 萬(wàn)！看到 PyTorch 生態(tài)系統(tǒng)內(nèi)的增長(zhǎng)和使用情況非常令人驚嘆，我們對(duì)未來(lái)的發(fā)展充滿(mǎn)期待！

?? Accelerate 加速庫(kù)是一個(gè)能夠通過(guò)僅添加四行代碼在任何分布式配置下運(yùn)行相同 PyTorch 代碼的庫(kù)！它使得規(guī)?；M(jìn)行訓(xùn)練和推斷變得簡(jiǎn)單、高效且靈活。

?? Accelerate 加速庫(kù)基于 torch_xla 和 torch.distributed 構(gòu)建，負(fù)責(zé)處理繁重的工作，因此你無(wú)需編寫(xiě)任何自定義代碼來(lái)適應(yīng)這些平臺(tái)。將現(xiàn)有代碼庫(kù)轉(zhuǎn)換為使用 DeepSpeed，執(zhí)行完全分片的數(shù)據(jù)并行操作，并自動(dòng)支持混合精度訓(xùn)練！如果想要了解更多關(guān)于 Accelerate 加速庫(kù)的信息，請(qǐng)?jiān)L問(wèn)項(xiàng)目：

??GitHub：https://github.com/huggingface/accelerate

??文檔：https://hf.co/docs/accelerate/index

?? 與 MLCommons 合作推出 MedPerf

Hugging Face 非常高興能夠與 MLCommons 合作，共同推出一個(gè)使用聯(lián)合評(píng)估的醫(yī)療基準(zhǔn)測(cè)試框架 MedPerf ???

這個(gè)開(kāi)放的科學(xué)倡議已在 NatMachIntell （自然-機(jī)器智能雜志）上發(fā)表，這是在嚴(yán)格和隱私保護(hù)的醫(yī)療 AI 模型評(píng)估邁出的重要一步。我們相信醫(yī)療 AI 領(lǐng)域需要更多的開(kāi)放科學(xué)努力，因此我們很開(kāi)心能夠與20多個(gè)學(xué)術(shù)機(jī)構(gòu)、9家醫(yī)院和20多家公司一起為這一努力作出貢獻(xiàn)。

論文鏈接：https://nature.com/articles/s42256-023-00652-2

網(wǎng)站鏈接：https://medperf.org

開(kāi)源更新

Hugging Face 物體檢測(cè)排行榜 ??????

非常高興與大家分享我們的最新創(chuàng)作：物體檢測(cè)排行榜 ??????

?? 開(kāi)放式目標(biāo)檢測(cè)排行榜旨在跟蹤、排名和評(píng)估存儲(chǔ)在 Hub 中的視覺(jué)模型，這些模型旨在在圖像中檢測(cè)對(duì)象。社區(qū)中的任何人都可以請(qǐng)求對(duì)一個(gè)模型進(jìn)行評(píng)估并將其添加到排行榜中。查看 ?? 指標(biāo)選項(xiàng)卡可以了解如何評(píng)估這些模型。

如果你想要沒(méi)有列在此處的模型的結(jié)果，可以通過(guò)郵件 ???向我們提出對(duì)其結(jié)果的請(qǐng)求。如果你有一個(gè)模型，也歡迎帶過(guò)來(lái)看看它的表現(xiàn)如何！??

快去看看吧：http://hf.co/spaces/rafaelpadilla/object_detection_leaderboard

推出 Agent.js ????

我們最近推出了 Agents.js，這是 huggingface.js 庫(kù)的一個(gè)新內(nèi)容，可以讓你通過(guò)工具為你的 LLM 提供動(dòng)力，僅使用 JavaScript 就能實(shí)現(xiàn)，可以讓你從 JavaScript 中在瀏覽器或服務(wù)器上為 LLM 提供工具訪問(wèn)！?? 它配備了多模態(tài)工具，可以從 Hub 調(diào)用推理端點(diǎn)，并且可以輕松地通過(guò)你自己的工具和語(yǔ)言模型進(jìn)行擴(kuò)展。

在這里閱讀更多信息：https://hf.co/blog/agents-js

用 2 行代碼將 Bark 的文本轉(zhuǎn)語(yǔ)音加速 30% ?

想要加速你的文本轉(zhuǎn)語(yǔ)音生成嗎？感謝 Hugging Face 的 Optimum 和半精度，現(xiàn)在你只需兩行代碼就可以讓 Bark 的生成速度提升近 30%！

在這里測(cè)試每種優(yōu)化：https://colab.research.google.com/drive/1XO0RhINg4ZZCdJJmPeJ9lOQs98skJ8h_?usp=sharing

如果你的內(nèi)存受限，你可以通過(guò)只增加一行額外的代碼來(lái)減少 GPU 的內(nèi)存占用，將其降低 60% ??，采用 CPU 卸載！你也可以使用批處理獲得免費(fèi)的吞吐量，將批處理設(shè)置為 8 并使用 fp16，你可以獲得 6 倍的吞吐量，而僅減慢 1.3 倍的速度！

?? Bark 是由 Suno AI 在 suno-ai/bark 中提出的基于 transformer 的文本轉(zhuǎn)語(yǔ)音模型。

Bark 由 4 個(gè)主要模型組成：

• BarkSemanticModel（也稱(chēng)為“文本”模型）：一種因果自回歸 transformer 模型。

• BarkCoarseModel（也稱(chēng)為“粗聲學(xué)”模型）：一種因果自回歸 transformer，它以 BarkSemanticModel 模型的結(jié)果作為輸入。它的目標(biāo)是預(yù)測(cè) EnCodec 所需的前兩個(gè)音頻碼書(shū)。

• BarkFineModel（“細(xì)聲學(xué)”模型），這次是一種非因果自編碼 transformer，它基于先前碼書(shū)嵌入的總和，迭代地預(yù)測(cè)最后的碼書(shū)。

• 在預(yù)測(cè)了 EncodecModel 的所有碼書(shū)通道后，Bark 使用它來(lái)解碼輸出音頻數(shù)組。

HF Optimum 是 Hugging Face 開(kāi)發(fā)的一個(gè)優(yōu)化庫(kù)，旨在提高深度學(xué)習(xí)模型訓(xùn)練的效率和性能。它自動(dòng)地為模型選擇合適的超參數(shù)，如學(xué)習(xí)率、批大小等，以最大程度地提高訓(xùn)練速度和模型性能。HF Optimum 利用了自動(dòng)調(diào)參技術(shù)，通過(guò)多次試驗(yàn)不同的超參數(shù)組合，找到最優(yōu)的組合，從而減少了用戶(hù)手動(dòng)調(diào)參的工作量。

半精度（Half Precision）是一種深度學(xué)習(xí)訓(xùn)練中的數(shù)值表示方式，使用較少的位數(shù)來(lái)表示模型參數(shù)和梯度。傳統(tǒng)的單精度浮點(diǎn)數(shù)使用 32 位表示，而 half precision 使用 16 位表示。雖然使用較少的位數(shù)會(huì)導(dǎo)致數(shù)值范圍的縮小和精度的降低，但它能夠顯著減少模型計(jì)算的時(shí)間和內(nèi)存需求，從而加快訓(xùn)練速度。許多現(xiàn)代的深度學(xué)習(xí)庫(kù)和硬件加速器都支持 half precision 訓(xùn)練，使得在性能和資源之間取得了平衡。

本期內(nèi)容編輯: Shawn

以上就是本期的 Hugging News，新的一周開(kāi)始了，我們一起加油！?????