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、開源庫和模型更新等，我們將其稱之為「Hugging News」。本期 Hugging News 有哪些有趣的消息，快來看看吧！????

重磅更新

?? ChatUI 官方 Docker 模板發(fā)布，一鍵部署自己的聊天應(yīng)用！

Hugging Chat 是一個(gè)開源的聊天工具，大家在這里可以嘗試使用開源的大型語言模型，如 Falcon、StarCoder 和 BLOOM。現(xiàn)在我們提供了名為 ChatUI 的官方 Docker 模板，你可以在這里使用 Hugging Face 的基礎(chǔ)架構(gòu)，基于你選擇的模型來部署自己的 Hugging Chat。只需點(diǎn)擊幾下，即可部署你自己的 Llama 2、Falcon 或 OpenAssistant 聊天界面！??

點(diǎn)擊這個(gè)鏈接即可開始使用：https://hf.co/new-space?template=huggingchat/chat-ui-template

這個(gè)應(yīng)用的后端使用了文本生成推理來實(shí)現(xiàn)更優(yōu)化的模型推斷。由于這些模型無法在 CPU 上運(yùn)行，你可以根據(jù)你選擇的模型來選擇使用 GPU。你需要提供一個(gè) MongoDB 終端，用于存儲(chǔ)聊天記錄。如果你不提供 MongoDB 的終端，你的日志將保存在 Space 內(nèi)的數(shù)據(jù)庫中。Hugging Face 無法訪問你的聊天記錄。

你可以提供應(yīng)用名稱和應(yīng)用顏色參數(shù)，從而配置 Space 的名稱和主題。之后你可以選擇要提供服務(wù)的模型的 Hugging Face Hub ID。你還可以在下面的 JSON 格式字典中更改生成超參數(shù)。

創(chuàng)建完成后，你將在你的 Space 上看到「正在構(gòu)建」。構(gòu)建完成后，你就可以嘗試你自己的 HuggingChat 了！??

更多信息可以參考 ??https://hf.co/docs/hub/spaces-sdks-docker-chatui

產(chǎn)品更新

Transformers.js v2.5.0 發(fā)布！

你是否曾經(jīng)想過在 Next.js 中構(gòu)建自己的語義圖像搜索應(yīng)用程序？現(xiàn)在你可以實(shí)現(xiàn)了！

在 Transformers.js v2.5.0 版本中，新增了對(duì)使用 CLIP 計(jì)算嵌入的支持，現(xiàn)在你可以單獨(dú)計(jì)算 CLIP 文本和視覺嵌入，這使得在只需要查詢其中一種模態(tài)性時(shí)可以更快地進(jìn)行推理。??

CLIP（Contrastive Language-Image Pretraining）是由 OpenAI 開發(fā)的一種多模態(tài)預(yù)訓(xùn)練模型，用于處理圖像和文本數(shù)據(jù)。CLIP 可以將圖像和文本輸入映射到一個(gè)共享的高維向量空間中，使得圖像和文本可以在同一空間中進(jìn)行比較和匹配。這種能力使得 CLIP 在圖像分類、圖像搜索、圖像生成和文本理解等任務(wù)中表現(xiàn)出色，比如通過文本描述來搜索圖像，或者通過圖像內(nèi)容來理解文本。這種多模態(tài)的處理能力使得 CLIP 在各種人工智能和機(jī)器學(xué)習(xí)任務(wù)中具有廣泛的應(yīng)用價(jià)值。????

和往常一樣，我們已在 GitHub 上發(fā)布了演示的源代碼！?? 你也可以從零開始，只需幾行代碼即可入門。

源代碼：https://github.com/xenova/transformers.js/tree/main/examples/semantic-image-search

發(fā)布說明：https://github.com/xenova/transformers.js/releases/tag/2.5.0

演示：https://hf.co/spaces/Xenova/semantic-image-search

在之前的 v2.4 更新中，我們新增了對(duì)使用 Whisper 生成單詞級(jí)時(shí)間戳的支持。只需幾行代碼，你就可以在瀏覽器中完美地為視頻添加字幕。???? 生成單詞級(jí)時(shí)間戳指的是將音頻中的每個(gè)單詞與其開始和結(jié)束的時(shí)間戳進(jìn)行匹配，從而準(zhǔn)確地確定每個(gè)單詞的發(fā)音時(shí)長和位置。

我們新增了通過分析交叉注意力并應(yīng)用動(dòng)態(tài)時(shí)間扭曲，為我們的 Whisper 自動(dòng)語音識(shí)別模型預(yù)測單詞級(jí)時(shí)間戳的功能。?????

交叉注意力（Cross Attentions）：在深度學(xué)習(xí)中，注意力機(jī)制用于模型對(duì)輸入數(shù)據(jù)的不同部分賦予不同的重要性。交叉注意力指的是模型中不同層或組件之間的注意力交互。模型在處理輸入文本的不同位置時(shí)，會(huì)關(guān)注其他部分的信息。在這里，交叉注意力可用于指導(dǎo)模型將注意力集中在音頻中特定的語音片段上，從而識(shí)別單詞的開始和結(jié)束。?????

動(dòng)態(tài)時(shí)間扭曲（Dynamic Time Warping）：動(dòng)態(tài)時(shí)間扭曲是一種用于序列對(duì)齊的技術(shù)，通常用于比較兩個(gè)不同長度的序列，以找到它們之間的最佳匹配。在這里，動(dòng)態(tài)時(shí)間扭曲可以通過調(diào)整時(shí)間軸上的插值來對(duì)齊輸入音頻和生成的單詞級(jí)時(shí)間戳序列，以確保它們在時(shí)間上正確對(duì)應(yīng)。???

Hugging Face 第一本中文圖書正式出版！??

在 Hugging Face ?? 團(tuán)隊(duì)和中國社區(qū)????以及人民郵電出版社的編輯團(tuán)隊(duì)的共同幫助下，「擴(kuò)散模型：從原理到實(shí)戰(zhàn)」正式出版！????

擴(kuò)散模型我們?nèi)缃褚呀?jīng)都不陌生，它是我們熟知的當(dāng)下流行的 AI 繪圖背后的技術(shù)。這本書由 Hugging Face 中國社區(qū)的本地化志愿者團(tuán)隊(duì)成員完成，書的內(nèi)容基于由 Hugging Face 成員 Jona 和 Lewis 在 Hugging Face 上發(fā)布的擴(kuò)散模型課程。

在本書中，你可以了解到擴(kuò)散模型的原理、發(fā)展與應(yīng)用，并且嘗試使用 Hugging Face Diffusers 庫訓(xùn)練擴(kuò)散模型，我們也在書里對(duì) Hugging Face Hub、開源庫以及相關(guān)的學(xué)習(xí)資源進(jìn)行了介紹，內(nèi)容非常豐富。???

無論你是新手還是經(jīng)驗(yàn)豐富的從業(yè)者，這本以實(shí)戰(zhàn)為導(dǎo)向的圖書都能夠幫助你更好的理解和應(yīng)用擴(kuò)散模型。

——王鐵震，Hugging Face 中國地區(qū)負(fù)責(zé)人，高級(jí)工程師

我們從出版社拿到了五折的購買鏈接，歡迎各位奔走相告??，讓更多小伙伴了解這本書。再次感謝所有本書的參與者！五折購書鏈接 ??https://item.jd.com/13803847.html

社區(qū)活動(dòng)

「科普講座」：Hugging Face 是什么？

我們帥氣優(yōu)秀的 Hugging Face Fellow 程路受 Intel OpenVINO - DEVOON 中國工作坊的邀請，做了一場關(guān)于「Hugging Face Hub 與開源生態(tài)介紹」的中文講座 ??????

這場講座的內(nèi)容豐富，可以讓大家對(duì)我們的工作和 Hub 的內(nèi)容有更加完整的理解和認(rèn)識(shí)，視頻在這里查看：

你還想看到我們發(fā)布哪些內(nèi)容呢？歡迎留言告訴我們 ??

基于 Habana Gaudi 的 Transformers 入門

幾周前，我們很高興地宣布 Habana Labs 和 Hugging Face 將開展加速 Transformers 模型的訓(xùn)練方面的合作。??

與最新的基于 GPU 的 Amazon Web Services (AWS) EC2 實(shí)例相比，Habana Gaudi 加速卡在訓(xùn)練機(jī)器學(xué)習(xí)模型方面的性價(jià)比提高了 40%。我們非常高興將這種性價(jià)比優(yōu)勢引入 Transformers ??。

在以下這篇 Hugging Face 公眾號(hào)文章中，我們將手把手向你展示如何在 AWS 上快速設(shè)置 Habana Gaudi 實(shí)例，并用其微調(diào)一個(gè)用于文本分類的 BERT 模型。與往常一樣，我們提供了所有代碼，以便你可以在自己的項(xiàng)目中重用它們。??（鏈接）

本期內(nèi)容編輯: Shawn

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